蒐羅與財經、理財相關書籍內容介紹及書摘，協助讀者快速閱讀書籍精彩內容。
多恩．法爾馬（Doyne Farmer）的預測研究，並未終止於賭場輪盤的路徑上。他於1981年在UCLA取得博士學位後，前往新墨西哥州的聖塔菲研究所，在那裡開始對財務金融感到興趣。短短幾年內，他就從預測輪盤開獎轉而預測股市起伏。1991年，他跟前守護精靈成員諾曼．派克（Norman Packard）成立避險基金。這個基金名為「預測公司」（Prediction Company），計畫是把混沌理論概念運用到金融界。物理學和金融結合的結果極為成功，法爾馬在這家公司工作了八年，才決定重返學術界。
法爾馬現在是牛津大學教授，研究把複雜度導入經濟學的影響。財金界雖然已經有許多數學概念，但法爾馬指出，財金界通常只探討特定交易。許多人運用數學決定自己的金融產品價格，或是用來估算特定交易的風險。但這些交易總和在一起會怎麼樣？如果機器人程式會影響彼此的決定，那麼它對整體經濟制度可能有什麼影響？出問題時又會怎麼樣？
危機有時是從一句話開始。2013年4月23日午休時間，美聯社（Associated Press）的推特上出現以下的訊息：「最新消息：白宮兩次爆炸，歐巴馬總統受傷。」這條新聞立刻就轉送到追蹤美聯社推特的數百萬人手中，其中許多人又轉發給自己的追蹤者。
記者很快就開始質疑這條訊息的真實程度，原因之一是白宮當時正在舉行記者會（會中沒有提到爆炸）。這條訊息確實是駭客假造的。美聯社很快就刪除這條推特訊息，帳號也暫時停用。
糟糕的是，金融市場已經對這條訊息做出反應，或者應該說過度反應。假新聞發布後不到三分鐘，標準普爾500指數（S&P 500）市值蒸發1360億美元。市場雖然立刻就回到正常水準，但有些財務分析專家質疑：如此迅速強大的反應，究竟是否出自人類交易員之手？人類真能這麼快就看到偽造的推特訊息，而且這麼容易就相信？
這不是股市指數第一次像發瘋一樣。2010年5月6日發生了史上最嚴重的股災之一，美國金融市場當天早上開盤，原本就有幾片烏雲，例如英國大選接近和希臘財政逐漸惡化等，但沒有人想到風暴將在當天下午襲來。
道瓊斯工業平均指數當天稍早雖然稍微下跌，但到了下午2點32分則開始暴跌。到下午2點42分已經下跌4%。跌勢逐漸加快，五分鐘後，指數又跌了5%。不到二十分鐘，股票市場總值蒸發了9000億。暴跌引發交易所的防錯機制，暫停交易一段時間。這樣可讓股價穩定下來，指數開始緩步回到原本水準。即使如此，暴跌仍然令人膽戰心驚，這究竟是怎麼搞的？
嚴重崩盤的原因，通常是某個主要觸發事件。2013年那次，是關於白宮爆炸的假推特訊息。機器人程式搜尋線上消息來源，希望比競爭對手搶先一步運用訊息，可能因此看到這條假消息，開始進行交易。次年這次事件還有個奇特的發展，美聯社引進自動化公司收益報告。演算法會過濾報告，以美聯社的傳統寫作風格產出幾百字報導，簡單說明該公司的表現。這個變革代表現在可能連金融新聞都不是人類寫的。在媒體辦公室裡，演算法把報告轉換成連貫的文句。在交易所裡，另一批機器人程式把這些文句轉換成交易決策。
一般認為，導致2010年道瓊斯指數閃電崩盤的原因，是另一類觸發事件。這類事件不是新聞，而是交易。下午2點32分，一個共同基金使用自動化程式賣出7萬5000筆期貨合約。這個程式沒有把這些訂單分散在一段時間內，變成一連串小冰山，而是把一大堆交易同時放出來。這個基金上一次處理這麼大量的交易時，花了超過五個小時才完成7萬5000筆合約，這一次則花費不到二十分鐘就全部結束。
這筆訂單當然龐大無比，但這只是單一公司的一筆訂單，恰巧分析推特訊息的機器人程式觀察範圍也相當小：絕大多數銀行和避險基金交易時不會這麼做。但這些依賴推特的演算法的反應還是造成崩盤，使整個股市損失數十億美元。這類看似獨立的事件，怎麼會導致這麼大的混亂？
要了解這個問題，可以參考1936年經濟學家約翰．梅納德．凱因斯（John Maynard Keynes）的觀察。1930年代，英國報紙經常舉行選美比賽，刊登一群美女的照片，請讀者選出六位自己認為最受歡迎的女性。凱因斯指出，狡猾的讀者不會單純選出自己最喜歡的女性，而會選擇他們猜想其他人會選擇的美女。如果讀者非常聰明，可能會想到更深一層，試圖猜測其他人認為最受歡迎的是哪幾位美女。
根據凱因斯指出，股市經常也有這種現象。我們推測股價時，投資人其實是試圖推測其他人的反應。股價上漲不一定是因為公司體質健全，而是因為其他投資人認為這家公司有價值。由於想知道其他人的想法，所以會有很多人提出臆測。此外，現代市場已經跟仔細考量過的報紙選美，越來越不同。資訊流通快速，活動步調加快，演算法也特別容易遭遇問題。
機器人程式常被視為複雜而難以理解的東西。的確，記者撰寫關於交易演算法（或各種演算法）的文章時，特別喜歡用「複雜」這個形容詞。但在高頻率交易中其實正好相反：如果想快速完成交易，就必須越簡單越好。交易金融商品時需要處理的指令越多，花費的時間就越長，所以製作人員不會讓機器人程式太過精細複雜，而會只用幾行程式碼來構成策略。法爾馬警告，這樣將使理性與合理難以存在。他說：「只用十行程式碼來做我們要做的事，代表我們不理性。這樣的智力連昆蟲都趕不上。」
交易員根據重大事件（包括推特訊息或大筆賣出訂單）做出反應時，會引起監測市場活動的高速演算法注意。如果其他人賣出股票，程式就會跟著賣出股票。股價下跌時，程式會彼此爭相交易，使股價跌得更低。股市因而陷入步調極快的選美比賽，因為沒有人想選到不會選上的美女。極快的交易速度可能造成嚴重問題，畢竟當演算法的速度比肉眼還快時，我們很難知道誰會率先行動。法爾馬說：「可讓我們思考的時間很少，因此很可能導致反應過度和一窩蜂。」
有些交易員指出，小規模閃電崩盤其實經常發生。這類崩盤幅度不大，不足以成為新聞，但只要仔細觀察就能發現。股價可能在不到一秒內大幅下跌，或是交易量會突然增加到100倍。事實上，每天可能都有好幾次這類崩盤。美國邁阿密大學研究人員觀察2006年到2011年之間的股市資料時，發現了數千次「超快速極端事件」，在這類事件中，股價可能在不到一秒內暴跌或暴漲，接著又恢復原狀。根據研究主持人尼爾．強森（Neil Johnson）表示，這類事件與傳統金融理論探討的狀況完全不同。他說：「人類無法即時預測，而被超高速的機器人環境取而代之。」
書籍簡介_勝算：賭的科學與決策智慧
勝算：賭的科學與決策智慧
原文書名：The Perfect Bet: How Science and Math Are Taking the Luck Out of Gambling
作者：亞當・庫查司基
譯者：甘錫安
出版社：行路
出版日期：2018/10/03
●懂博奕，你會更了解投資
○為何股票市場「大變化後面往往還會出現大變化」，反之亦然？
○交易機器人崛起後，金融市場的哪些現象你尤其該審慎解讀？
○教人拿捏投資資金比例的「凱利準則」，用於賽馬時有何弱點？
○購買不同產業多家公司的股票，投資組合多樣性為何仍然不夠？
○投資領域的「基本分析法」，要注意什麼盲點？
○購買擔保債券憑證時，要避免什麼錯誤假設？
作者簡介
亞當・庫查司基（Adam Kucharski）為倫敦衛生與熱帶學院數學建模助理教授及科普作家，畢業於英國華威大學，於劍橋大學取得數學博士學位，曾經獲得2012年惠康科普著作獎，現居倫敦。