2022-06-13

桥水如何思考投资

Greg Jensen, Joe Weisenthal, Tracy Alloway 桥水观察

本文节选自美国桥水联席首席投资官格雷格·詹森在彭博社的《Odd Lots》播客中与主持人的对话。在其中,格雷格·詹森形象地介绍了桥水思考投资的方式和框架,并探讨了人工智能和机器学习在其中的应用。

 

特蕾西·阿洛韦

格雷格,非常感谢参加《Odd Lots》播客。

格雷格·詹森

谢谢邀请。

特蕾西·阿洛韦

首先,你能否简单介绍一下你在桥水公司负责的工作,以及桥水公司与其他类型基金公司的不同之处。因为我感觉桥水有些神秘。

格雷格·詹森

好的。我、瑞·达利欧(Ray Dalio)、鲍勃·普林斯(Bob Prince)是桥水公司的联席首席投资官。我们与一个由100多位专业投资人组成的团队一起工作,专注于思考全球金融体系如何运转,并将其构建成算法以预测未来。这个流程开始于真正去观察世界、试图理解所有这些事情是怎么运行的,比如你们此前说到的经济增长和通胀这些概念,理解他们是如何影响资金在金融市场流动的,以及理解如何预测未来。我热衷于思考这类宏观观点,并研究如何将这些思考转化为可以穿越时间、跨越国别应用的规则。随着我们团队不断深入的研究,我们努力去回答:“好吧,这是我们认为的运行方式”。比如说,如果谈论滞胀的状况,我们会问:为什么会有滞胀?滞胀是如何演绎的?如何衡量滞胀是否正在发生?如果滞胀确实发生了怎么办?我们从人类的直觉和逻辑开始,但会强迫自己把大脑中的想法提炼出来,将其转化为可以应用的规则,然后进行压力测试来看它们在不同类型的环境中是否正确。这就是桥水的神奇之处。桥水拥有一群热衷于这些理解的员工,他们逐渐构建起我们所说的“不断累积的认知”并将其转化为算法,并不断思考哪些因素在发生变化以及我们可能会在哪出错。

·韦森塔尔

你们是否使用一个核心框架?很明显,思考全球经济时,要考虑各种因素:通胀、能源价格、贸易失衡、国内储蓄、国内债务或国家债务。所有这些不同因素总在上下波动。桥水或你个人有没有一个核心框架来把所有这些因素放入其中?比如,你们通过什么样的视角来看待经济和金融市场?

格雷格·詹森

是的。我先谈金融市场,然后谈经济。但我要说的是,金融市场的基本情况是,所有价格都是对未来的预期的折现。一个框架是,去理解当前市场折现的是对未来怎样的预期,并将其与我们认为的未来进行比较(这涉及到经济、市场和现金流)。正是人们对未来的看法的改变导致各大类资产的价格发生变动。后续我会稍微展开讲一下这个框架,我们要了解的是当前市场价格体现了怎样的未来现金流预期、怎样的折现,以及这些情况将如何发生变化。

我要说的第二点是,我们从买家和卖家的角度进行了大量思考,从本质上了解相对于资产的供给量来说,有多少资金被用来购买资产。在这个世界里,有许多东西需要理解,如人们为什么买东西,是什么在驱动他们这么做,资金从何而来,各类物品从何而来,是金融资产、还是以完全不同的方式生产的实物商品。这是我们常常使用的第二个视角。我们是否了解市场中的所有买家,他们的动机是什么?我们是否了解该资产是如何生产出来的,以及生产者的动机是什么?

因此,我们用了45年的时间在这两个框架下一层一层地积累认知。但我们认为,这些框架适用于所有经济体,无论是1980年代的苏联,还是当今的中国,还是处于恶性通胀的拉丁美洲,这些框架都有效。我们称之为永恒普适。输入框架的因素会变化,但基本框架没变。这是我们的起点。而就经济而言,为了了解未来现金流会发生什么。我们对驱动经济的“交易行为”进行了许多思考。它们是如何运作的?当某人购买或出售物品时,资金从何而来?我们要理解其底层机制和所有可能影响这一过程的激励因素,既包括在简单层面上的利率和货币政策,也包括税收政策等其他方面的激励因素。因此,和之前说的一样,我们一直在建立模型,试图回答一些像这样的问题:“谁是实体经济中的买家和卖家?是什么在激励他们进行买卖?生产能力如何?需求从何而来?”

这就是我们正在建立的框架。然后我们不断思考正在发生的情况,以及我们要如何系统性地应对这些情况。因为我们在预测200个不同市场的状况和许多经济数据,因此我们会不断地查缺补漏,持续反馈和改进,过程中我们会持续思考“我们遗漏了什么?我们该如何解决?”例如,目前去全球化是重大事件。过去40年来我们没有实际处理过这种情况。现在必须处理这个情况;必须从与之前不同的角度来思考供应链、供应链的重建和所有相关问题。因为我们有从底层开始构建的完善流程,所以我们可以把所有时间都用在我们认为我们可能忽视的要素上,然后努力将其纳入我们的理解。

特蕾西·阿洛韦

我确实想探讨去全球化问题,以及你们对供应链等问题的看法。但在此之前,我们想更好地理解你说的框架。我很好奇机器学习和人工智能是如何融入这个框架的。因为我能理解的是,如果我们要分析经济数据,试图找寻事物发展的迹象,或者观察市场,试图判断价格是否被低估或高估,那么机器学习技术可以在这方面发挥作用。但当你说到动机和激励,我倾向于认为这更多是一种人类情感、是驱使人们行动的因素。我不会自然地认为这适合利用建模或机器学习等技术。你能从这个方面进一步谈谈你们的策略吗?

格雷格·詹森

好的。我非常热衷人工智能,但其类别很广,机器学习是其中一个子类别。让我从人工智能层面开始。桥水40年来一直在做的事情(桥水也是这方面最独特的试验者之一),就是所谓的传统式人工智能,或者说是一个专家系统。我们在市场上的所有举动都源自我们建立的算法。我们按照人工智能工作原理的最初想法建立了这些算法,即专家们思考发生了什么、记录下他们学到的东西、记录下他们的规则。由于我们对这一流程付出了大量投入、持续了很长时间、积累了强大的专业知识,所以我们能够在200个市场、一天24小时执行交易。从算法上看,所有这些都反映了我们所学到的东西。

那么,我们就有了一个大型人工智能流程,包括人和机器。在这个流程中,人监控机器、思考可能的问题,同时不断把这些认知通过编程写入机器。长期来看,电脑能做的事情会越来越多。过去10年机器学习技术出现了,对这一流程也有帮助。但机器只是一种工具,必须非常小心。回答你的问题,关于机器学习在哪些方面能提供帮助、哪些方面不能,至少在当前情况下,当输入机器学习模型中的数据能够代表未来的数据时,这个工具可能会非常有用。这需要大量数据,而且这些数据必须是能够代表未来的数据。可是经济和市场有趣的一点是,他们从来都不是这样运作的。即使只是机器学习的存在这件事情本身就会改变未来,因此其使得未来的数据与过去的数据不一样。在这个游戏中,参与者会受到工具的影响。它和物理不一样,不像物理那样不管你看不看它,它都不会改变。人们使用机器学习技术这件事情会带来很大的改变,例如,会使得使用“前机器学习时代”的数据的机器学习技术本身变得危险。

因此,理解这一点很重要,机器学习在很多方面可以提供帮助,比如数据清理等,但不应当认为整体上机器学习都会真正做得很好。必须格外小心,因为过去的数据与未来的数据不同,而且几乎根据定义就可以知道,所有类似机器学习的事物都会使未来不同于过去。更普遍地说,全球经济体的样本量太少了:过去100年,我们只有几个债务周期、我们一直处于全球化的世界(正如我们所说);过去40年则是一个利率越来越低、通胀率不断下降的大周期。因此,由于这些挑战,即便是那些在某些角度对经济和我们行业非常有价值的技术,在使用时也必须非常小心。

目前,我对机器学习能够逐步取得巨大进步持乐观态度。与往常一样,我们正在研究不同方法,让机器学习技术帮助我们的研究人员以及其他工作。我认为,随着时间的推移,计算机将会越来越多地做人类可以做的事情,但是要注意,是以知识渊博的方式,而不是通过各种巧妙的优化(而机器学习可以说是当今最巧妙的优化工具)。纵观历史,优化在市场应用中失效的原因都是相同的,那就是对过去的理解。如果不能极好地理解过去发生的事情,就不能很好地通过这种方式获取数据。数据本身并不能告诉我们发生了什么,必须要去真正理解市场背后人们的动机。

 

本篇《桥水观察》撰写于2022-5-25

《Bridgewater每日观察》由美国桥水投资公司(Bridgewater Associates, LP)编辑发布,并归美国桥水投资公司所有,仅限于提供信息和教育的目的。本刊并不考虑任何阅读者的特定投资需求、目标或风险承受能力。此外,因客户投资限制、投资组合调整和交易成本等多种因素,桥水的实际投资有可能(并经常会)与本刊得出的结论不同。阅读者在作出任何投资决定之前,应当咨询各自的顾问,其中包括税务顾问。本刊并非出售或者邀请购买文中提及的证券或其他证券的要约。

桥水研究部采用来自公共、私人和内部渠道的数据和信息,包括来自桥水实际交易的数据。信息来源包括澳大利亚统计局(Australian Bureau of Statistics)、巴克莱资本有限公司(Barclays Capital Inc.)、彭博财经社(Bloomberg Finance L.P.)、CBRE, Inc.、CEIC 数据有限公司(CEIC Data Company Ltd.)、Consensus Economics Inc.、核心逻辑公司(Corelogic, Inc.)、Costar 房地产信息公司(Costar Realty Information, Inc.)、CreditSights, Inc.、信贷市场分析有限公司(Credit Market Analysis Ltd.)、交易逻辑公司(Dealogic LLC)、DTCC Data Repository (U.S.), LLC、Ecoanalitica、EPFR Global、欧亚集团有限公司(Eurasia Group Ltd.)、欧洲货币市场机构(European Money Markets Institute)、Factset研究系统公司(Factset Research Systems, Inc.)、《金融时报》有限公司(The Financial Times Limited)、GaveKal研究公司(GaveKal Research Ltd.)、全球金融数据有限公司(Global Financial Data, Inc.)、Guidepoint Global, LLC,、《哈佛商业周刊》(Harvard Business Review)、哈沃分析有限公司(Haver Analytics, Inc.)、加拿大投资基金学会(The Investment Funds Institute of Canada)、洲际交易所(Inercontinental Exchange (ICE))、投资公司协会(Investment Company Institute)、国际能源署(International Energy Agency)、Lombard Street Research、麦盖提市场经济学公司(Markit Economics Limited)、Mergent有限公司(Mergent, Inc.)、Metals Focus Ltd、穆迪分析有限公司(Moody’s Analytics, Inc.)、MSCI有限公司、美国全国经济研究局(National Bureau of Economic Research)、经济合作与发展组织(Organisation for Economic Co-operation and Development)、养老金及投资研究中心(Pensions & Investments Research Center)、RealtyTrac, Inc、RP数据有限公司、Rystad能源公司(Rystad Energy, Inc.)、标普全球市场情报公司(S&P Global Market Intelligence Inc.)、SentixGmbh、上海万得信息技术股份有限公司(Shanghai Wind Information Co., Ltd.)、Spears & Associates, Inc、美国道富银行(State Street Bank and Trust Company.)、新鸿基金融(英国)(Sun Hung Kai Financial (UK))、汤森路透(Thomson Reuters)、东京证券交易所(Tokyo Stock Exchange)、联合国(United Nations)、美国商务部(US Department of Commerce)、伍德麦肯兹有限公司(Wood Mackenzie Limited)、世界金属统计局(World Bureau of Metal Statistics)以及世界经济论坛(World Economic Forum)。虽然我们认为来自外部来源的信息是可靠的,但我们不对其准确性承担责任。

本刊所含观点仅代表桥水在发布之日的观点。若有改变,恕不提前通知。桥水可能在本文讨论的某个或多个投资头寸及/证券或衍生品中拥有重大金融利益。本刊撰写人所获的报酬取决于各种因素,包括工作质量和公司收入。