财新传媒
位置:博客 > 香樟经济学术圈 > 金融泡沫探源:是“知”的问题,还是“行”的问题?

金融泡沫探源:是“知”的问题,还是“行”的问题?

推文人 | 包特,新加坡南洋理工大学经济学助理教授
金融泡沫及其破裂是一个具有灾难性,但又在人类历史上反复发生的经济学现象。从资本主义早期的郁金香泡沫,南海泡沫到刚刚引发了最近一次经济危机的美国房地产泡沫,都叫人不禁思考“到底是什么导致了金融泡沫?”
 
泡沫和经济危机的出现对传统宏观经济学和金融学的理性预期假设(rational expectations hypothesis, Lucas, 1972)提出了挑战。根据理性预期假设,经济体中的参与者有能力对未来的经济指标(至少在平均意义上)做出正确的预期,并根据这些正确的预期做出最优化的经济决策。如果大家都按此行事,那么资产价格应该会长期处于理性的基本面水平上,不会产生强烈持久的波动。但当资产价格脱离基本面的时候,基于实证的研究通常会面临“检验双重假设”(test joint hypothesis)的问题,即由于理性预期假设是一个“知行合一”的假设,所以如果实际价格与理论不一致,也很难判断到底是“知”(预期)的方面出了问题,还是“行”(交易决策)的方面出了问题。
 
换句话说,当牛顿爵士面对南海泡沫的破裂——以及自己因此赔得几乎一贫如洗的投资成绩单惊呼:“我能计算天体的轨迹,却无法计算人心的疯狂”的时候,他是在责备很多人(包括他自己)面对暴涨诱惑管不住心中的小鹿,还是当时拉不回以至于后来想剁掉的交易的手?
 
对此,我和我合作者(Bao, Hommes and Makarewicz, 2017)用一个金融学实验来尝试更好地区分预期和交易决策这两种渠道对于金融泡沫的产生各自的影响比例。我们把实验参与者分为三个组:第一组的参与者扮演股票分析师,他们对于未来的股价只做预期,而交易决策由电脑程序自动根据他们的预期求最优解完成;第二组的参与者扮演交易员,他们直接提交自己的交易决策,不需要提供价格预测;第三组的参与者扮演分析师兼交易员,他们先提供自己的价格预测,再提供交易决策。
 
按照理性预期假设,市场价格和个体预测及交易决策在这三个组里应该没有不同。而我们的实验结果发现,三组的结果实际相差甚远!市场价格相对于基本面价格的平均偏离程度(“泡沫率”)在第一组里最小,约10%左右;第二组次之,25%左右,而第三组最大,达到36%。这个结果说明,泡沫的发生应该是预期上的偏差和交易决策中的偏差双重叠加的结果。相比之下,单纯的预期偏差贡献了10%不到的价格偏差,而交易决策上的偏差则贡献了15%到26%的价格偏差,所以从对泡沫的贡献角度,“行”比“知”的问题更大,看错了市场,预测上有少许偏差不要紧,但重要的是无论预测对错,都不要盲目乱下单。
 
近些年,宏观经济学家和金融学家已经开始尝试通过修改理性预期假设来提高经济模型的解释和预测能力,比如萨金特和他的合作者(Marcet and Sargent, 1989)也开始用“最小二乘法学习”代替单纯的理性预期研究人的预期行为。但目前还很少有研究涉及到人在交易决策上的非理性或者学习过程。我们的研究结果显示,将人在交易决策上对于最优化结果的偏离和学习过程纳入宏观经济建模,可能比对于非理性预期的建模更重要。
 
那么,金融泡沫为什么在人直接做交易决策的时候比人只做预期的时候小呢?这里可能有两种解释:一是根据预期价格做金融学里的均值-方差最优化是很难的,它涉及的计算很难不用计算器完成。事实上,在我们的实验里,为了对理性预期假设做出公平的检验,我们不但为参与者提供普通的计算器,而且还在实验程序里提供了一个智能计算器,可以根据他们输入的任意价格预测和自己打算交易的资产数量直接报告此决策带来的收益。这些帮助都是现实中的投资者在做决策的时候没有的,但实验结果还是显示有很大的泡沫,就充分证明了做出这些最优数量决策的难度;另一个解释会更加偏向心理学,就是行为经济学家研究发现(Smith et al., 2014),人在金融交易中很难避免情绪的影响,也就是说,获利使人兴奋、欣喜,亏损使人紧张、沮丧。这些情绪的波动会带来人的交易决策的额外波动,比如会造成获利之后因为兴奋而购买相比冷静理性决策情况下更多的资产。如果市场中的交易者多数都受到这种“市场情绪”的影响,那么就容易把资产价格推到更加非理性的高水平。
 
那么,为了避免交易者情绪和最优化能力的欠缺对金融市场的不利影响,我们让交易者在以后的市场上只做预期,而将他们的交易决策都授权给人工智能程序处理,是不是能改进市场效率呢?从我们目前的研究结果来看,如果不考虑其他的社会、伦理、法律方面的因素,这种论调在未来可能有一定的前景。但在现实中,我的一些同事也告诉我,从他们目前测试过的人工智能交易程序来看,它们的本事远远不如围棋界的阿法狗,人犯的错误这些程序都犯,人不犯的错误它们有时候也犯。这也难怪在2017年美国一些基金公司兴冲冲宣布推出一些人工智能交易基金并在开始阶段打败市场之后,这些基金中的好几个又因为比人更投机而陷入亏损。
 
所以,虽然大多数基金经理下围棋下不过柯洁,但这并不代表投资比围棋简单。相反,正如一位物理学家感叹:假如物理学里的基本粒子会思考,他们的工作恐怕没办法做了。而谁叫投资者和市场研究者面对的,正是一个每个基本参与个体都会思考、会预测、会行动、还会乱来的复杂系统呢?
 
参考文献
Bao, T., Hommes, C.H. and Makarewicz, T.,Bubble formation and (in)efficient markets in learning-to-forecast and–optimize experiments, Economic Journal, 127(605), F581-F609.
Lucas, R. E. (1972). Expectations and theNeutrality of Money. Journal of economic theory, 4(2), 103-124.
Marcet, A., & Sargent, T. J. (1989).Convergence of least-squares learning in environments with hidden statevariables and private information. Journal of Political Economy, 97(6),1306-1322.
Smith, A., Lohrenz, T., King, J., Montague,P. R., & Camerer, C. F. (2014). Irrational exuberance and neural crashwarning signals during endogenous experimental market bubbles. Proceedings ofthe National Academy of Sciences, 111(29), 10503-10508.
推荐 1