行为经济学的应用 (3) 机器与人性 上篇

2017 0714 James Wu

 

2013年诺贝尔经济学奖颁发给了两位看法截然不同的专家，Eugene Fama 开创了效率市场的学说，奠定了资产定价与资产组合的理论基础，可说是半个世纪以来主流金融理论的始祖之一；另一位 Robert Shiller 则以非理性荣景、动物精神等著作闻名于金融市场，被归属于行为经济学派，特别是对2000网通泡沫、2005房地产泡沫两次金融危机的预警而广受投资界熟知。

 

两位经济学家，前者尤金教授主张(或假设)金融市场具有高度效率，价格能正确反应已知资讯，因此能够透过理性选择的分析模式，求算出投资者心中理想的投资组合、决定出各种资产的合理价格，从而发展出前篇文章也提过的种种教科书的金融理论；后者席勒教授则透过长期的资产价格的波动研究，对照种种评价方式，指出金融市场价格经常性超涨超跌、脱离「理论上合理」价格的现象，并把这些不合理却频繁发生的现象，归诸投资者的心理变化、群众的情绪起伏，主张这些因素造成市场容易无效率。两种截然相反的看法，同时并列诺贝尔经济学奖，有人说给奖很矛盾，也有人嘲讽金融(或经济)理论的无效，也有人解读表示研究发展至此，学界与社会都逐渐认识到人性复杂，既有理性、也有感性、更有不理性的面向，这些都是人的一部分，不能以偏盖全，只好两者并陈，实际上，金融学说的发展仍倾向各说各话，并没有太多交集。

 

行为经济学派回归根本，没有把人的行为局限在理性决策、最适化分析的「正统」经济理论，虽有理论突破，也在频繁的危机与泡沫中得到印证，但因研究方式上较难进行数理模型建构与推导演绎，也不容易进行可控制的科学重复实验，在科学研究的「形式」上显得较吃亏，外行人容易将充满数学符号的传统经济理论误解为更高明些。近十多年，经济学的前沿探索，延伸到认知心理学、脑神经科学、实验心理学的方法与知识，并且高度借重进步飞速的电脑数位技术，跨学科共同对个人决策与集体决策的原理进行探究，找到许多过去未曾注意的成果，但这套类似「生物学」的研究方向，形式上虽然套用了科学方法，把人类的心智变化过程「简化为」脑神经的传导互动、或受测者的脑波变化，试图从这些「可观测」的生理、物质、物理变化来揣摩出人性的决策机制，但会不会也过度局限了人性、或物化了人性，或者相当程度也类似试图要从「可观测」的股价来反推人类决策的研究方法，恐有倒因为果的潜在缺陷，几千年来哲学家们对心物二元论、或心物一元论的争辩，至此又有了另一层的讨论意义，心智上更难被理解捕捉的潜意识、直觉、第六感、一见钟情、灵魂、感动、认同、前世、玄学等精神层面的议题，也尚待处理。

 

科学家对于人类的意识形成、思考变化、决策机制，理解仍不多，有一说只有3~5%，大部分都还是未知领域，未来能不能拼凑成能有效解决问题的学问尚未可知，只能说广义的行为经济学是门新兴且流行的研究方法，可以反应现有经济理论的局限或缺点，让我们看到更多的面向。

 

透过上述讨论，对于理解这两年热门的另类投资方法，会有不少帮助，本文以下将简要谈谈Passive Investment、Robo Advisor 、Program Trading、Algorithm Trading、AI Investment、High Frequency Investment 等新兴暴红的投资方法，放在整体金融市场与投资架构中的意义何在，借此可初步评估其发展潜力、可能局限、待解问题，简单讲，可从机器与人性间的竞赛来切入思考。

 

1. 被动投资法 : ETF

 

近十多年来，全球ETF的规模大幅成长，目前管理资产已经突破四兆美元，并不断侵蚀了传统主动管理式的共同基金市场，Sanford Bernstein近期预测，2018年1月时，将有超过五成在美国管理的股票资产会属于被动型管理。

 

图一: 全球ETF 规模快速成长

Source: ETFGI

 

追踪指数成分的ETF概念并不难理解，发行与操作技术难度不高，反而以远低于传统的管理成本快速吸引著投资人，特别是在金融海啸之后，受伤惨重的散户投资者失去对专业投资机构的信赖，超低利率政策造成长期潜在投资报酬率的大幅下滑，使得管理费用占比相对显著，这些外在环境的变化都对ETF的兴起带来推波助澜的帮助。

 

ETF归属于被动式的投资，设计原理上基金净值要跟著所追踪的大盘同步涨跌。当投资者自己选定要投资的指数(大盘、或某个商品)，不需再付费委托基金经理人操作管理，而是直接押注指数的涨跌。一派研究看法主张长期以来多数共同基金经理人的绩效扣除管理费后并没有打败大盘，共同基金业者当然不同意这样的论点，双方各自拿出不同期间的绩效资料，都可以有争论空间，不过ETF杀出一条新的道路，确实严重冲击了数十年来发展热络的全球化主动式基金的投资市场。

 

本文主要在讨论投资理论与方法，以ETF为代表的被动式投资法，能否创造更好的投资绩效，姑且不回顾与比较过去十多年的绩效，反正过去绩效也不能代表未来，我们从原理上进行理论的推衍，可以想想以下几点潜在问题:

 

所有人都追踪指数，那指数的涨跌由谁决定?

 

过去指数涨跌是由成分股所推动，成分股的价格是由投资者对该标的前景的研判为基础进行加减码，由众多市场与者的多空看法交织而成市场价格，所以主动式投资法就在找到潜在上档空间大的标的物。相对的，被动式投资法完全不需理会标的物的内容、未来获利前景，只要跟著现有的指数成分来投资就可以，投资获利来自整体大盘的涨跌。

 

随著ETF被动式管理基金的占比日益上升，甚至逐渐超过主动式管理基金，则将会出现大盘组成内容失真的问题，这也就是前一篇文章提出过的鸡生蛋、蛋生鸡，倒底谁决定谁的逻辑问题，如果逻辑颠倒了，整个投资还能维持所要追求的目标吗?

 

被动式管理，比重过高，恐将破坏正常的资本市场机制

 

正常的股债市场中，个股由多空买卖双方进行资讯、脑力与资金博弈后，找到最适价格的市场机制，并组合成大盘指数的推动力，在理论上这被称作价格发现、汰弱扶强，这是资本市场最核心的基础功能。在ETF不断拉高市场占比的过程，此正常价格机制会受到侵蚀，纳入指数成分的大型股票，可能因为ETF资金不断涌入而「被投资 」，被动推高了大型股的股价，表面上看只是大者恒大，却可能是新制度下，扭曲了正常的市场功能。

 

即使指数包含所有成分股，也会产生另外的问题，当大半的金融市场资金都来自被动式管理，将不会根据个股前景好坏进行加减码，而是被动追踪现有的成分，这将会持续弱化股债市场的汰弱扶强的功能，长期对于资本市场的健康发展有害。

 

也由于追踪指数涨跌的设计，被动式管理基金对于大盘会有助长助跌的效果，涨时追高，跌时杀低，可能会造成额外的市场波动，黄金市场就是最好的例子 (参见图二)，因为市场成因比较单纯，比较好分析出涨跌力量的来源，请参考 观点分享 黄金系列文章。这是从原理上来推论，很难进行科学实验的对照 (例如其他环境条件都不变的前提下，比对有无ETF下的市场波动度)，更千万不能以现有的市场价格资料来反推，例如近几年全球市场波动度大幅下降，自有其他原因，不能随意反推是ETF 降低了市场波动度，这些简单的逻辑在论理前都要先厘清。

 

图二: 黄金ETF部位 v.s. 金价

è 助长助跌，无助发现合理价格

 

投资ETF 类似买大盘，但投资者仍要决定该买哪一个大盘，何时该买、何时该出场

 

在这个层面上进行投资布局，不论是专业投资人或者一般投资人，对总体性的前景研判就很重要，举凡全球政治局势、经贸竞赛、产业发展、技术变迁、(国家或公司的) 合纵连横、资金流动、泡沫大小、投资情绪，都会影响这个层面的投资布局，这跟投资主动型管理基金的原理非常接近，只是ETF不用特别去关注与筛选经理人的操作绩效或重压的领域，只需选定自己看好的大盘、国家、区域、或产业。过去买卖共同基金的判断基准，所需要的专业知识，与买卖ETF 非常类似，投资者仍然要作功课，自负盈亏。

• (投资原理请参见 2017 0509 - 观点分享 盘点十年来投资走势的变化)

   

ETF竞争优势 : 业者不需昂贵的研究投入，含金量低，手续费管理费也低

 

如前所述，在当前的特定经济条件下，这类商品的异军突起自有时代意义，甚至推动者抓到了市场机会。但「跟过去不同 」带来的所谓创新，是否真能提升整体市场的价值、或为投资者带来更好的选择，则有待争论。主动式专业投资管理的收费高低可以接受市场检验，但如果发展方向是朝向消灭专业投资管理，全面或大规模改用被动式、或机械式的投资方式，似乎方向上都在降低人脑在决策过程的占比，恐怕会有反智之虞。

•  

2. Robo Advisory 理财机器人 (或中国大陆翻译成 智能投顾)

 

针对主动或被动式基金的投资需求，该买进卖出哪些标的，该如何布局，除了传统的前景预判法，教科书上则提出了CAPM 等投资组合理论，但过去很少被投资实务界引用。近年来有业者将这些理论模型，编写为电脑程式成为套装产品，投资人只要在电脑或网站上输入一些基本条件 (例如财力、年龄、风险偏好等)，就能根据投资模型自动产生最适投资组合，作为投资者的布局建议，因为自动化程度高，被称作Robo Advisory。

 

电脑套装的建议，跟过去财务顾问或理财专员的建议，哪个比较适合投资者，这是投资专业的讨论，但从从行销的角度来看，两者都可以经由包装成为形象专业的金融顾问，产生收益。从业者的经营角度而言，两者差异在于，前者只需固定成本，规模扩大后会有更大的经济效益，加上网路手机普及下更有机会触及新的客层领域，所以有潜在的商业机会。

 

金融海啸后，在网路上提供投资建议、并在网路上买卖ETF的商业模式突然窜起 (图三)，也就是所谓的Robo Advisory，并被列入广义的FinTech 的一环。最早投入且有成果的新创公司包含 Betterman、Wealthfront ，随著市场雏形初具，老牌的资产管理公司也开始介入，近年来转型专攻ETF 的Vanguard 挟著庞大资源与客户基础很快超越新创业者，成为当前在此领域的领先者。(图四)

 

 

图三: Robo Advisory 公司家数

图四: 主要业者

跳过传统通路，在网上提供ETF (或共同基金) 投资建议并直接交易的模式，同属近十年来新一轮的数位科技的爆发浪潮，初期由于基期低所以成长的幅度很快，各市调机构提供的统计数字也有些混乱，以下数字仅供大致上的参考 : 2016年底整体Robo Advisory 的规模达到1200亿美元，2020年规模预估从1兆美元~8兆美元都有人乐观看待，但预测基础不是很明确。

 

 

图五: 各种Robo Advisory 市场规模预测 (天马行空)

 

本文著重在探讨各种投资理论、投资方法。在前一篇 “2017 0526 观点分享 行为经济学的应用 (2) 金融理论的问题解决了没”，文章中检视了教科书金融理论的局限与潜在问题，对包含CAPM在内的重要理论模形提出了反向思考，并借由行为经济学派提出的观点，挑战高度数理化复杂化下投资工具的理论基础，这篇不再重复。

 

如果只是简单的CAPM投资组合模型，大概不太容易催生金融海啸，但也因为所谓创新的含金量可能不高，所以Vanguard 一下子就能追上先行的新创业者，比赛的不是投资专业的高下，而是市场地位、品牌信誉、行销能力、客户基础等，在产业初创期快速变动与洗牌都很常见，但产业要能走得可长可久，就要能拿出牛肉，不能只靠话术包装。

 

过去基金经理人、投资分析师们绞尽顶尖菁英的脑力，都还不容易打败大盘，如今，交给电脑去选股、去做投资组合，效果会更好吗? 附加价值会更高吗? 这点从产业萌芽开始，就可以开始观察与思考。

 

美国证管机关将Robert Advisory 区分为客户服务型与专业交易型，前者针对一般散户投资人，所以投资模型不能太复杂，避免走入衍生性金融商品的错误老路，但简单设计的规范就局现了其投资顾问的内涵深度与附加价值；后者属于专家间的竞赛，各公司尽可拿出看家本领，不论聘用天才人脑、还是开发AI 电脑，金融市场正在展开一场人机大战，这些五花八门的新方法该如何看待，请看下篇讨论。