股市

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。