認知、行動,反身性與市場倫理
諷刺的是,相當大部分的衍生品存在嚴格的價值揭示的機制,以錨定基礎資產。如期貨的交割、期權的行權、槓桿基金的折算過程,都是價值揭示機制的體現。與價值揭示相對,期貨等遠期合約還被施羅德等經濟學家描述為具有「價格發現」功能,據我觀察這個詞在中國已經被用爛了。在去年對股指期貨的口誅筆伐中,「價格發現」被賦予了發現合理價格的作用,而實際上他僅僅是指社會資源配置過程對標的商品未來買賣價格和數量和意願的連續議價,而其權威性僅體現在交易狀況的完全透明,而非現貨交易過程中的遮遮掩掩。
事實上,施羅德所談的「價格發現」功能,是依賴於這樣一個邏輯的:相較於大宗商品的現貨市場,期貨市場具有更高的流動性和更低的交易成本,更穩定的合約關係,使得理性的參與者可以在更連續的價格和數量上進行交易,即使有投機者的存在也會有強勢套利者對錯誤的價格進行修正。可是我們只要仔細觀察真實的市場結構,不難發現有大量體量龐大的現貨交易商是參考期貨市場進行現貨交易的——根據期貨行情進行基差計算,而在期貨市場發生極端行情的時候進行「封盤」,那麼一個問題是:投機者在一定程度上確實影響了現貨廠商,即使他們的行為是談不上理性可言的。畢竟我們可以看到,幾乎所有合約在進入交割月的進程中存續合約數量往往白不存一。 那麼,如果我們對市場均衡的分析思路再上綱上線地進行批判的話,不難發現一個真正的理性人不但全知,而且全能。這個群體在理論上至少應該無偏的全面認識市場,還應該有足夠的財力完成套利,從而對市場進行糾偏,同時我們應用均衡思維的時候應當不設前提的假設這個群體是存在的,談到這裡我們就應該拿出聖經來看一看了。 如果我們接受了易錯和反身的思維模式,就要接受一個視角,那就是我們在市場中無時無刻經歷著動態的非均衡,市場的運作也不是趨向均衡的過程,甚至是與事實相差的離譜;參與者的過往認知和隨後到來的現實之間存在著分歧,這是不可避免的。一個很簡單的例子是S&P500本輪的走強過程。稍有金融常識和投機經驗的人都不會否認這樣一個現實,美股的走牛實際上是低息環境吹脹的估值泡沫。但值此升息前夜(雖然這次升息可能幾年內都不會發生了),美股的走強又被多頭鼓吹為經濟預期向好的標誌。這就是一個蠻可怕的思維路徑變遷了。事實上在自然科學中,事物的規律僅與認知相聯繫,要想推翻牛頓定律,只要找一顆不做自由落體的蘋果就足夠了。可怕的是在社會科學領域觀察者的認知影響其行為進而推動了事物的發展,並以結果作為事物認知正誤的論斷,這個過程難以證偽。同時,量化和回歸的手段試圖對事物作出總結也慢慢被認識到很大一部分是在做高級算命,或者是努力通往全知之路的進程。一個非常值得注意的例子就是在布萊克—斯科爾斯公式進過羅斯優化之初的幾年,期權市場的確向其指出的方向發展,這一簡化的公式使得大眾更能夠接受,也就成為了其行為的基礎。羅斯的美式期權公式並未比前人有更深刻的見解,但是他「教育了市場」,也就創造了市場。那麼一個問題就是,這一「科普」是否把市場再次轉化為了信眾與非信眾之間的角斗場,基礎資產的定價是否又成為了選邊站隊的模式?那麼既然是選邊站隊,幹嘛還要理論依據呢?那麼既然如此,我們把布爾什維克思維和托洛茨基主義引入市場並尋找更多的黨員來選邊站隊,只要我們有階級鬥爭的意識和紀律性,基輔羅斯絕對能比羅斯教教眾做得更好。
這一問題同樣造成了更廣義上統計套利的困境。統計套利的基本思路是運用統計分析工具對一組相關聯的價格之間的關係的歷史數據進行研究分析,研究該關係在歷史上的穩定性,並估計其概率分布,確定否定域,當真實市場上的價格關係進入否定域時,則由較高成功概率進場套利。關於概率和頻率的差異我已經在之前的一篇文章中談了一些了,所以現在不想再談這個問題,我們轉而從另一個角度去思考這一問題。統計套利是實證的還是理性的?卡爾波普爾曾經在《歷史主義貧窮論》中指出,歷史不是普遍由有效的規律所決定的。那麼,又有什麼可以保證統計套利的過程中所依賴的歷史數據是有效規律的總結?我本想大加批判這一問題,但話到嘴邊我又懶得說了。簡單的說吧,對反身性的認知揭示了一個觀點。金融研究本身本可以積極的改變市場,現在卻囿於自然科學的方法論當中,既要求理性認識市場,又要求人類的意識形態一成不變,現在卻在被動的研究社會現象,作為副產品的認知卻影響了市場本身。 那麼還有一個問題,社會科學是在研究一個客觀的真理,還是在致力於推動社會的發展?鍊金術士在試圖用咒語改變基本金屬性質時犯了錯誤。
http://weixin.qq.com/r/tD_6opfEMspNrdPB92qm (二維碼自動識別)
歡迎關注我們的微信公眾號:元山之路
推薦閱讀:
※【債券日評】20170206 從近期的貨幣政策變化說開去
※「2017全球藝術銀行行長高峰論壇」核心觀點指向
※金融類或者商科類高能專業有哪些?
※你離一名優秀的交易員有多遠? | 交易員之路·序
※『多因子』行為金融-籌碼分布中的Alpha