论文部分内容阅读
最近发生的伊士顿事件让公众见识了程序化交易的威力。两名俄罗斯高频交易高手，在A股市场两年，将700万滚至20亿。据业内人士介绍，伊士顿的策略和技术水平极高，为众多国内公司所不及。
事实上，在华尔街，技术创新也已经在很大程度上改变了机构投资者的资产管理方式。
金融服务行业不久就会受到那些对投资业务鲜有兴趣的技术企业的挑战吗？是的，可能性越来越大。我们注意到，在过去的一年间很多事情都发生了巨大的变化。如今，开发出的热门技术将为我们审视这个复杂多变的世界提供全新的视角，金融与投资领域的新技术应用也不可胜数。
非生物智能技术的诞生就是典型的例子。它的出现意味着计算机系统将拥有更快的学习与处理多类型输入数据的速度，甚至比最顶级的专家团队还要迅速。一旦这些专家与计算机系统联手协作，那么这套人——机组合团队将在现有的规则和目标体系中变得极具竞争力。以往，在计算机资源匮乏的年代，复杂系统模块化是常见的做法，例如反向计算、标准化、衍生计算和预测模型等。而现在，它们几乎失去了用武之地。那些计算能力更强且具备升级功能的关联系统可以轻而易举地进入市场。这些关联计算系统可以介入无穷尽的计算场域，获取海量数据信息。此类超乎想象的计算技术的应用意味着相关数据模型互动与开发范式的转换。对于模型内部机制而言，机器学习技术与科学充满了不可知性。如果关键数据变量发生变化，那么海量数据的实时处理与评估将借助庞大的互联网络使计算机系统及时向运营商发出预警，而不会受制于自上而下的数据结构。
金融服务中介机构将面临巨大挑战
简而言之，众多的计算体系与应用技术将极大地改变个体、组织、网络和信息的传播方式。服务行业将受到显著的影响，因为它们常常需要人员、劳动密集型分析和互动。但是如果技术能够帮助人们更快、更好地分析与互动，那么该领域提供此类服务的传统企业将面临巨大的生存挑战。随着计算机系统和互联网的崛起，我们希望未来将有更多的新技术可以挑战包括金融业在内的服务行业。当然，这种颠覆方式现在未必会得到人们的支持。
所有这些对于机构投资者意味着什么呢？显而易见，计算机系统可能很快就会向他们直接提供服务。而在以前，这些服务一直是由资产管理机构作为第三方提供的。同时，那些私募对冲基金俱乐部也不再拥有昔日的垄断地位，或许你本来会欣然支付2%～20%的费用加入其中。部分资产管理机构用于获取高绩效和巩固自身市场地位的神秘黑箱也会因此而变得不再稀罕。不仅如此，我们还会看到资产管理机构将逐渐退出高成本的中间业务，有相当一部分机构投资者会涌向更具灵活性且价格合理的技术企业。
我们认为金融行业的技术应用将达到引爆点。研究表明，那些颇有远见的金融中介机构在过去十几年间一直利用技术获取更高的佣金，同时借助垄断市场强化自身的竞争优势。事实证明，技术总是伴随着模糊性和复杂性，而这恰恰是大型机构回流到金融中介服务结构并愿意支付高额费用的原因。为了获得最强大的技术优势，机构投资者和其他组织不得不与那些收费最为昂贵的技术企业携手合作。
无论如何，我们都相信硅谷肯定会帮助机构投资者扭转局面。最终，技术将有助于其强化自身业务，推动组织持续发展，改善企业知识管理，进入全新（过去成本很高的）的市场，从而打破机构投资者与金融服务行业的技术壁垒。由于机构投资者采用了新技术，我们希望金融服务中介的本质也随之发生相应的改变。这对于我们整个金融和资本体系来说理应是积极和进步的。从有效发挥融资功能的视角来看，养老基金、捐赠基金、主权财富基金和其他长期机构投资者必须像顶级尖端的金融消费者一样参与市场竞争。然而，为了做到这一点，它们需要那些业已建立合作关系的金融服务中间商的协助，以期后者能够源源不断地提供强大的技术创新。
写这篇文章的主要目的并不是要警醒华尔街关注技术对于金融服务行业的威胁，即便它不幸成为本文的副产品。我们希望机构投资者和硅谷能够更好地理解未来彼此之间可能的合作方式。简而言之，这并不是一个传统金融中心消亡与虚拟金融中心崛起的故事。在我们看来，未来这个由技术主导的虚拟金融中心将会变得十分强大，它可以为机构投资者提供一个管理和实现其目标的全新场所。
技术创新将改变机构投资者的盈利模式
投资者的工作就是钱生钱，利用资本赚取更多的收益。从某种意义上而言，所有机构投资者创造的产品都是相同的，那就是获取收益。这是任何一个投资者必须要做的。为了实现这个目标，他们会投入初始货币资本、一定数量的人力资本、信息优势和工作规范程序。要想获得持续的高绩效，投资机构必须利用高端人才和高效流程创造性地开发出属于自己的信息、知识与技术。正是这种知识使投资者能够获得长期的高绩效。
在思考机构投资前景以及技术改变投资者经营方式的问题时，我们有必要再次提及这三个输入变量：人力（People）、流程（Process）与信息（Information）。问题在于如何将这三者融合在一起，进而创造出知识。这一点尤为关键。无论你用哪一种方式进行投资，其最具竞争力的环节很可能属于上述三者之间的范畴。“人力”泛指优秀人才，他们能够为投资机构带来收益。在投资领域，人才至关重要。这也是为什么那些优秀投资者的报酬要远高于其他任何领域专业人士。“流程”指的是组织用来执行战略规划和实现长期目标所需的决策输入。此外，它也涉及治理问题。治理是成功的关键要素。企业董事会必须有能力给予组织实现目标所需的资源。“信息”指的是投资者作出决策所使用的直觉和洞察力，它最终可以归属于知识范畴。这可能涉及到投资者使用的复杂网络或金融教科书理论模型都会用到的黑箱运作计算程序。值得一提的是，并不是所有的信息都具有同等的重要性。当然，信息优势格外重要。正是由于这个原因，一些投资者愿意在法律许可的范围内汇集他们各自的信息。
我们认为，这三个输入型变量以及它们的组合方式为我们思考那些给投资者带来成功或失败的关键性要素提供了整体框架。这些输入变量通常具有不同的性质，它们通过不同的组合方式来实现类似的收益目标。例如，机构投资者中的捐赠基金模型主要建立在信息优势基础之上，那些卓越的捐赠基金非常善于利用其网络识别和接近顶级资产管理机构，以提升组织绩效。加拿大模式很大程度上是建立在流程和人力资源基础之上，采用此模式的机构会支付有竞争力的薪酬，实行资产管理内部化，以此降低费用负担和提高组合投资的创新思维能力。传统模式则是把全部资产交由外部服务供应商经营管理，其人力和信息均不在机构投资机构的掌控范围内。 正如牛津大学教授戈登·克拉克（Gordon Clark）所说，不同投资模式之间的最大区别在于经营决策，即究竟是通过自己设计还是外部购买关键变量的方式来创造投资收益。如果你拥有稳健的治理体系来评估数据处理与知识获取的价值，同时也有能力聘用高端人才，那么你可以选择将绝大多数资金放在自己手中进行运作。如果不具备上述条件，那么你可以采用混合型模式。实际上，机构投资不同模式的差异在于流程、人力和信息的掌控主体，即它们是由组织内部运作还是交由市场外包管理。这正是问题的关键所在。
但是，此问题未能考虑到一点，那就是几乎所有的大型机构投资者可能都没有意识到技术创新将改变这三个输入变量互动方式的程度和范围。现有的关于投资模型的分析并没有考虑到将有多少人力、流程和信息通过技术创新发生改变。因此，我们需要认真地审视上述各个领域的技术突破与变革。
人力（People）：全球大型机构投资者绝大多数是公募基金，而且大都位于那些远离主要金融中心的城市区域。虽然聘请顶级人才对于任何地区的组织都是一种挑战，但相比之下，公募基金面临的处境往往更为严峻，因为它们既受限于薪酬标准问题，同时也囿于地理位置。许多位于像埃德蒙顿（Edmonton）、朱诺（Juneau）和萨克拉蒙托（Sacramento）等城市的公募基金也要招募人才与私募基金相竞争，然而，这并非易事，尤其是在薪酬差距较大的情况下。
那些能够支付高昂薪酬的机构往往能够吸引到更多的人才。很多中介结构认为，如果投资机构希望获得最佳收益，那么其行动逻辑就是主动支付高额薪水。这也是为什么很多公募养老基金和主权财富基金愿意把资本业务交由中间机构运作。
我们完全可以打个赌。在今天的美国，对冲基金行业年薪达到5亿美元的雇员数量肯定超过在公募养老基金领域能够挣到50万美元年薪的职员。问题是你敢和我们打这个赌吗？最好还是不要打赌，因为你输定了。
但这就引出一个重要问题：对冲基金行业雇员的薪酬比公募养老基金从业人员的薪酬高了1000倍，那么他们真的就比后者就要聪明1000倍吗？答案显然是否定的。他们不是超人。这些机构和个体都拥有超级计算机。事实上，某些对冲基金所采用的技术水平至少要超过公募养老基金一千倍。一些刚刚成立的对冲基金在技术方面投入巨资，如今它们正源源不断地从此类投资中获取收益。这些基金的规模优势使它们能够不断强化自身的行业优势。
由于技术能进行海量数据处理与分析，那些采用技术创新的投资机构完全可以在减少雇员的条件下继续保持或提高分析能力。你可以把技术看作是大脑的外延或提高能力的手段。和其他行业一样，投资者的工作流程受制于其经验、技术和智商。在可以大量接触到市场指标和经济数据等信息的情况下，现在一个金融分析师的大概形象是，一个分析师及其大脑的周围充满了交易工具，评判这些分析师的能力就看他们使用这些工具的水平。
假如有许多的人工智能像分析师一样批量收集和处理数据，并进行归类和分析，然后将得到的信息传输给投资者，投资者便可将这些数据作为投资建议，指导自己的投资行为。
结果就是优秀的分析师或交易商实现了大规模的电子克隆。机器学习和人工智能的应用对于机构投资者具有重要意义。每日海量数据实时处理、互联网数据的收集和传统金融信息的分析都将轻而易举地实现自动程序化。
在特定的投资模式下，计算机自动运行程序能够迅速学会综合决策，以判断出所要购买的股票。这并非凭空幻想。自动运行程序通过机器学习的训练可以识别出你需要判断的讯号。当然，这需要在独立、严格和规则明确的条件下进行。此外，它还能够学习、模仿、复制和拓展分析的独特视角。
任何资产都有自己的特点和行为方式。虽然很难用逻辑条件框住他们，但是你会找到其中的乐趣。当你观察图表或阅读新闻故事时，就会发现那些吸引自己的焦点事件。计算机自动运行程序能够同时处理数百万条数据，它们将学会并按照你的分析视角采取行动。尽管它不会独立地做出投资决策，但却可以把这些建议和规划以可复制的电子数据和符号的形式传递给交易商，让他们的大脑做出判断。
总而言之，尽管金融分析工程师目前仍有用武之地，但是人工智能的自动计算程序很快会将他们淘汰出局。因此，作为目前投资行业最为稀缺的资源之一，顶级投资专业人才将让位给更加智能化的人机团队。多哈主权财富基金和奥克兰养老基金就是典型的例子。
信息（Information）：当我们触摸和点击电话号码、照片和地址信息时，全球定位系统可以帮我们轻松搞定一切。我们只需用手指在一张含有数百万数据点的可视图上就能够找到与我们需要的信息。这种能力对我们来说再正常不过。声控实时计算有多条选择性传输路径，实施卫星数据需要数百万次的交互式传送。而这只是硅谷每日工作的另一个组成部分而已。技术创新驱动将扩展到全球每一座城市，我们对世界的理解与参与方式正在发生变化。与此类似，在线网络可以帮助我们找到老朋友或者新的工作岗位。所有这些都再普通不过了。对于很多人来说，阅读不过是用手指在屏幕上“向左滑动”或“向右滑动”。我们客观地认为，技术创新在过去十年间给我们的日常生活带来了革命性的变化。
与此相反的是，目前金融界仍然沉浸在以往的僵化流程和技术当中。投资者既没有交互端口对接技术，也未能给所需的模型提供更高的处理速度，更缺少大数据技术。这种局限和不足给金融分析师和数据工程师们创造了巨大的生存空间。他们在对冲基金和其他中间商机构的统计模型中依旧沿用各种复杂的程序语言。但是需要对以上内容特别说明的是，随着先进技术程序逐步进入华尔街、硅谷和波士顿等地区，金融工程师们的生存空间将会越来越窄。从理论来说，这些处理程序可以借助合适的技术基础设施进入任何一个城市。很多企业正通过授权应用模型的方式把接入端口出售给数据分析平台，而不是采用成本高昂的系统平台。未来若干年，很多投资机构都将会积极寻求与技术企业强化合作关系。 寻求市场投资机遇已经过时了。很显然，这类匹配工具能够把你和你未来的另一半连在一起，但却无法改变你寻求和筛选投资机遇的方式。但我们也无需因此而惴惴不安，因为大数据机器学习平台会帮你找到最合适的市场时机。它很快就会把你与最热门的交易联系在一起。事实上，我们所熟悉的很多企业都在从事不同的选择性资产业务。它们积极为投资者寻找合适的投资项目而牵线搭桥。当然，这需要建立在数以百计的信息输入基础之上。这些企业从社交网络企业中雇用顶级工程师开发关联与匹配引擎平台，它能够将你与最佳的市场交易连接在一起。因此，它们会评估你作为投资者的特质和网络体系，进而找到你可能感兴趣且为之坚持努力的投资机遇。而且，由于此前已对你自身情况进行了相关评估，所以你的市场风险就大大降低了。这其中有一家企业正在开发优化组合技术。它能够优化那些由不同投资者群体组成的投资联合体，通过不同的投资者联合体实现企业家价值的最大化，进而增加获得成功的可能性。
然而，究竟有多少投资家已经意识到目前正在发生的这一切呢？有多少风险资本家明白他们舒适安逸的利基市场未来可能出现的变化呢？在我们看来，这些金融服务企业和个体应当是十分紧张的。因为这是它们赖以为生的行业领域，而且这些企业和个体彼此间形成了紧密的业务网络（它们当中既有经纪商和银行机构，也包括部分资产管理企业）。强大的匹配引擎能够全面了解投资者和企业家，利用这些海量数据、计算程序和成功合作伙伴关系的潜力将有助于顶级风险资本家掌控自身的投资业务。这在很大程度上是因为技术平台的费用成本只是风险资本企业收费总额中的很小一部分。
总之，我们很快就会看到机构投资者将不再依赖第三方资本管理机构的信息收集和数据评估来进行全面的投资决策。全球资本中心的金融服务企业将受到技术行业公司的强力挑战，尽管前者也为其客户决策投资积累了大量的人才和技术。相比之下，技术企业则有着无与伦比的分析处理能力，它可以为所有人的投资决策提供支持。这些公司将构建起雄厚的资源基础，它们能够为全球投资者提供信息收集、筛选、审慎评估、结构化、集成化、交易与监控等诸多服务（这并非是金融中心全部的专业技术能力）。普通投资者们只需用手指（在屏幕上点击）就可以完成上述功能操作。他们全部的需要就是能够进入信息链接平台。技术创新将使所有这些成为可能，它们不久就会出现在我们称之为金融中心的地方。
流程（Process）：我们花了很多时间尝试让投资者创造性地思考其投资方式。这样做主要是出于两个原因。第一，我们认为最好的投资者肯定会认同这样一个理念：金融市场瞬息万变，好的点子总是稍纵即逝，那些善于从一开始就能抓住新机会并且果断付诸实践者终究会获得回报。第二，我们认为新模式的竞争力往往不如传统模式。这意味着那些创新投资者会降低与投资执行活动相关的费用和成本。简而言之，在我们看来，坚持对投资流程的创造性思考是值得的。绝大多数投资者可能不同意我们这个观点。实际上，机构投资机构常常对创新不屑一顾，它们总是喜欢沉浸在对资产的垄断控制当中。在它们眼里，牧羊人式的企业是最佳选择。它们的管理者更关注政治与职业风险，而不是投资风险。
导致这种行为出现的原因之一是绝大多数投资机构总是盲目行动。它们用来建立组合投资的理论模型总是建立在像理性行动者和高效市场这类不切实际的假设的基础上，其解释和说服力较低，更不要说其预测能力了。所以，这些落后的理论模型广受批评和质疑。实际情况是，大多数金融模型是在20世纪60年代到80年代期间创建。在那个时期，由于计算能力的不足，只能用笔和纸进行简单的计算。更为可怕的是，面对这个危险的世界，这些投资者还感觉自我良好，似乎完全没有意识到眼前的危机。但是他们的投资业务、风险和信息技术体系由于缺少批判，盈利与安全保障功能已经远远落后了。投资顾问和中间商们不断向董事会传达一种理念：金融市场的高效投资管理主要依靠人才和资源，这个行业需要专家，“但养老基金雇员并不是专家”。
在这种背景下，机构投资者大规模涌向费用高昂的中间机构和主要的金融服务供应商也就不足为奇了。同时也可以理解它们为什么花费大量时间构建风险多元组合投资而不是去努力挖掘市场机遇;为什么他们靠拢行业基准和同行竞争对手;为什么购买的是产品而不是资产，为什么把资本投向资产管理机构而非技术企业，为什么只根据预期收益而不是风险进行投资决策。他们总是选择优化比率而不是聚焦于关键变量。他们总是把多元化视为基本支撑而不是工具。这些机制大大简化了投资者的行为决策，但事情却更加复杂了。对于这个实时变化的投资世界，任何模型、理论、产品和资产管理方都并非不可替代。
那么技术能否发挥作用呢？这是毫无疑问的事情。董事会和资产管理机构将获得全新的技术平台，它们将有助于解释和预测市场未来动向。同时，这些组织将有能力实时拆分自己的组合投资。这些强大的技术工具完全可以满足它们的各项需求，同时也能够根据市场诸多局限和挑战进行自我定位。大数据时代将使我们减少对各种模型的依赖。我们可以利用解释性数据建立起动态诠释和预测分析，从而不必再受制于人力资源的影响，或完全依赖外部资产管理组织和咨询机构。再次说明的是，资产的特质和行为方式是很难用某种特定的逻辑框架进行描述，但是数据开发工具却能帮我们做到这一切。
董事会最终会建立起高效的风险管理功能机制，进而充分发挥有效的投资功能。当他们对有效发挥风险系统功能充满自信时，才会授权给资本管理组织和代理机构。投资者不用再担心复杂性，但是他们需要能够确保每项投资的综合风险，实现所有组合投资风险的多元化。技术将使这些问题变得更加简单。
此外，技术还有助于克服目前治理模型的限制，为同行业机构之间的协同化提供一系列支持，通过审查清单和筛选工具使误差和偏差缩小到最低限度。这将极大地提升效率优势。投资者可以更好地理解其组合投资，从而实现高效运作与管理。养老基金也将摆脱“再招十个人”的尴尬处境，因为技术创新可以使一个人完成此前十个人的工作量。唯一的输家是那些高成本的中介机构，它们的支配地位可能就是技术与信息不对称的结果（这里就不谈论资产管理机构治理不善的问题了）。 如今，很多机构投资者非常关注其未来的发展路径。与中间机构建立合作联盟的做法偏离了养老基金和主权财富基金的正常发展轨道，致使后者不断增加雇员、运作系统乃至全球经营机构的数量。对于以利润为目标的金融行业来说，应减少对这些要素的依赖。至少拥有700名雇员的五家公募基金在全球各金融中心的分支机构甚至还不超过四个。这实际上就是一种潜在的资源浪费。毋庸置疑，尽管它提供了更多进入金融市场的机会，但是这种摇摆不定的状态是否有些过头了呢？未来十年，机构投资者联合体需要大量的全球组织来发挥其潜力，实现它们的目标。
我们认为下一代机构投资者会采取更加与众不同、更加智慧的方法。未来的机构投资者将按照他们自己的规划在金融中心地区配置资本，而不是一味地进行人员和机构扩张。硅谷会开发出新的人员授权和线性流程工具，并迅速把数据和信息转化为实际的知识储备。另外几个分支机构的700名雇员或许可以安排到全球各金融中心。高端人才和技术网络专家将作为总部机构的核心团队，他们能够胜任同样的工作。
金融行业将迎来一场更具包容性的革命。我们希望能够看到一种全新的机构投资精益模式，它是建立在综合性技术的动态能力基础之上。我们一直将它称之为“技术模式”。它能为所有机构投资者进入金融市场提供路径支持。对于那些希望进入市场寻找合作伙伴但又不愿意构建全球性商业帝国版图（加拿大模式）的基金机构来说，这实在是一种理想的运作模式。当然，它们也不甘受制于代理机构的管控，此前，这些基金一直严格按照捐赠基金模式运作。
我们期望在未来十年看到这样的场景：投资者因世界顶尖技术而受益匪浅。这些创新性技术关注人力、流程和信息的全新组合。这其中的部分内容我们或许已经接触到，而它们的出现和应用却正是我们撰写本文的主要目的。
如果技术能使人才更加廉价，组织更具活力，并能拥有更多决策信息，那么依赖人才和流程的加拿大模式就将走向没落。而捐赠基金也不再是机构投资者们最佳的选择。大数据技术足以打破对资产管理机构的依赖。最佳的信息必然要有顶级的技术相伴。事实上，硅谷这些高端技术将慢慢扩散到技术驱动型地区和城市。显而易见，这么做并不值得。此外，我们所列举出的这些变化也会增加它们彼此之间的互动机会，从而使现实的金融中心（技术模式的发源地）更加强大，服务与知识的紧密结合程度甚至超过目前伦敦、纽约或香港已经应用的世界顶尖技术。
可以肯定的是，技术模式的投资者将依靠技术完成大部分工作。他们只会把人才集中在那些真正能够产生附加值的市场领域。这些投资者根据自身特点运用独特的方式进入那些低度竞争市场。（他们可以充分利用外脑，以更加智慧的方式进入研究与分析领域。当然，他们也一定会更加审慎地展开投资行动。）例如，长期投资者可以提供一些短期投资者无法享有的机会。企业和项目开发机构的地区性信托合作伙伴能够创造很多自营机会。大型投资者最后可能只把能力放在寻求顶级资本管理机构上面，并在类似的市场风险条件下采取选择性投资路径。未来投资者必须在其组合投资结构中充分考虑这些独特的因素。
为了塑造独特的创新能力和提升竞争优势，机构投资者必须扩大与技术企业之间的合作。这绝不是天方夜谭。我们已经发现有一些机构投资者正寻求技术企业作为重要合作伙伴，后者将填补此前咨询顾问和资产管理服务机构所扮演的角色。
这样做还有很多其他方面的好处，例如有助于机构投资者获得机器学习和数据挖掘技术的支持。不仅如此，它们也能够克服地理区位的不利因素。此前，正是因为地理位置的影响而导致其无法吸引顶尖人才。（现在很多事情还不能妄下断言，例如那些高端人才是否仍将会在传统企业工作？技术企业能否继续吸引那些过去在华尔街工作的年轻专家？）简而言之，技术创新开始改变着这个相对保守落后的行业。
过去三十年间，技术进步给金融中间机构带来了诸多利好。展望未来，技术也很可能会危及它们的生存。正如我们在本文开篇所看到的，那些令人感到兴奋的技术企业的终极目标可能存在于各个方面。在此期间，一个真正全新的金融中心正在冉冉升起。
（本文来自美国《机构投资者》杂志）
事实上，在华尔街，技术创新也已经在很大程度上改变了机构投资者的资产管理方式。
金融服务行业不久就会受到那些对投资业务鲜有兴趣的技术企业的挑战吗？是的，可能性越来越大。我们注意到，在过去的一年间很多事情都发生了巨大的变化。如今，开发出的热门技术将为我们审视这个复杂多变的世界提供全新的视角，金融与投资领域的新技术应用也不可胜数。
非生物智能技术的诞生就是典型的例子。它的出现意味着计算机系统将拥有更快的学习与处理多类型输入数据的速度，甚至比最顶级的专家团队还要迅速。一旦这些专家与计算机系统联手协作，那么这套人——机组合团队将在现有的规则和目标体系中变得极具竞争力。以往，在计算机资源匮乏的年代，复杂系统模块化是常见的做法，例如反向计算、标准化、衍生计算和预测模型等。而现在，它们几乎失去了用武之地。那些计算能力更强且具备升级功能的关联系统可以轻而易举地进入市场。这些关联计算系统可以介入无穷尽的计算场域，获取海量数据信息。此类超乎想象的计算技术的应用意味着相关数据模型互动与开发范式的转换。对于模型内部机制而言，机器学习技术与科学充满了不可知性。如果关键数据变量发生变化，那么海量数据的实时处理与评估将借助庞大的互联网络使计算机系统及时向运营商发出预警，而不会受制于自上而下的数据结构。
金融服务中介机构将面临巨大挑战
简而言之，众多的计算体系与应用技术将极大地改变个体、组织、网络和信息的传播方式。服务行业将受到显著的影响，因为它们常常需要人员、劳动密集型分析和互动。但是如果技术能够帮助人们更快、更好地分析与互动，那么该领域提供此类服务的传统企业将面临巨大的生存挑战。随着计算机系统和互联网的崛起，我们希望未来将有更多的新技术可以挑战包括金融业在内的服务行业。当然，这种颠覆方式现在未必会得到人们的支持。
所有这些对于机构投资者意味着什么呢？显而易见，计算机系统可能很快就会向他们直接提供服务。而在以前，这些服务一直是由资产管理机构作为第三方提供的。同时，那些私募对冲基金俱乐部也不再拥有昔日的垄断地位，或许你本来会欣然支付2%～20%的费用加入其中。部分资产管理机构用于获取高绩效和巩固自身市场地位的神秘黑箱也会因此而变得不再稀罕。不仅如此，我们还会看到资产管理机构将逐渐退出高成本的中间业务，有相当一部分机构投资者会涌向更具灵活性且价格合理的技术企业。
我们认为金融行业的技术应用将达到引爆点。研究表明，那些颇有远见的金融中介机构在过去十几年间一直利用技术获取更高的佣金，同时借助垄断市场强化自身的竞争优势。事实证明，技术总是伴随着模糊性和复杂性，而这恰恰是大型机构回流到金融中介服务结构并愿意支付高额费用的原因。为了获得最强大的技术优势，机构投资者和其他组织不得不与那些收费最为昂贵的技术企业携手合作。
无论如何，我们都相信硅谷肯定会帮助机构投资者扭转局面。最终，技术将有助于其强化自身业务，推动组织持续发展，改善企业知识管理，进入全新（过去成本很高的）的市场，从而打破机构投资者与金融服务行业的技术壁垒。由于机构投资者采用了新技术，我们希望金融服务中介的本质也随之发生相应的改变。这对于我们整个金融和资本体系来说理应是积极和进步的。从有效发挥融资功能的视角来看，养老基金、捐赠基金、主权财富基金和其他长期机构投资者必须像顶级尖端的金融消费者一样参与市场竞争。然而，为了做到这一点，它们需要那些业已建立合作关系的金融服务中间商的协助，以期后者能够源源不断地提供强大的技术创新。
写这篇文章的主要目的并不是要警醒华尔街关注技术对于金融服务行业的威胁，即便它不幸成为本文的副产品。我们希望机构投资者和硅谷能够更好地理解未来彼此之间可能的合作方式。简而言之，这并不是一个传统金融中心消亡与虚拟金融中心崛起的故事。在我们看来，未来这个由技术主导的虚拟金融中心将会变得十分强大，它可以为机构投资者提供一个管理和实现其目标的全新场所。
技术创新将改变机构投资者的盈利模式
投资者的工作就是钱生钱，利用资本赚取更多的收益。从某种意义上而言，所有机构投资者创造的产品都是相同的，那就是获取收益。这是任何一个投资者必须要做的。为了实现这个目标，他们会投入初始货币资本、一定数量的人力资本、信息优势和工作规范程序。要想获得持续的高绩效，投资机构必须利用高端人才和高效流程创造性地开发出属于自己的信息、知识与技术。正是这种知识使投资者能够获得长期的高绩效。
在思考机构投资前景以及技术改变投资者经营方式的问题时，我们有必要再次提及这三个输入变量：人力（People）、流程（Process）与信息（Information）。问题在于如何将这三者融合在一起，进而创造出知识。这一点尤为关键。无论你用哪一种方式进行投资，其最具竞争力的环节很可能属于上述三者之间的范畴。“人力”泛指优秀人才，他们能够为投资机构带来收益。在投资领域，人才至关重要。这也是为什么那些优秀投资者的报酬要远高于其他任何领域专业人士。“流程”指的是组织用来执行战略规划和实现长期目标所需的决策输入。此外，它也涉及治理问题。治理是成功的关键要素。企业董事会必须有能力给予组织实现目标所需的资源。“信息”指的是投资者作出决策所使用的直觉和洞察力，它最终可以归属于知识范畴。这可能涉及到投资者使用的复杂网络或金融教科书理论模型都会用到的黑箱运作计算程序。值得一提的是，并不是所有的信息都具有同等的重要性。当然，信息优势格外重要。正是由于这个原因，一些投资者愿意在法律许可的范围内汇集他们各自的信息。
我们认为，这三个输入型变量以及它们的组合方式为我们思考那些给投资者带来成功或失败的关键性要素提供了整体框架。这些输入变量通常具有不同的性质，它们通过不同的组合方式来实现类似的收益目标。例如，机构投资者中的捐赠基金模型主要建立在信息优势基础之上，那些卓越的捐赠基金非常善于利用其网络识别和接近顶级资产管理机构，以提升组织绩效。加拿大模式很大程度上是建立在流程和人力资源基础之上，采用此模式的机构会支付有竞争力的薪酬，实行资产管理内部化，以此降低费用负担和提高组合投资的创新思维能力。传统模式则是把全部资产交由外部服务供应商经营管理，其人力和信息均不在机构投资机构的掌控范围内。 正如牛津大学教授戈登·克拉克（Gordon Clark）所说，不同投资模式之间的最大区别在于经营决策，即究竟是通过自己设计还是外部购买关键变量的方式来创造投资收益。如果你拥有稳健的治理体系来评估数据处理与知识获取的价值，同时也有能力聘用高端人才，那么你可以选择将绝大多数资金放在自己手中进行运作。如果不具备上述条件，那么你可以采用混合型模式。实际上，机构投资不同模式的差异在于流程、人力和信息的掌控主体，即它们是由组织内部运作还是交由市场外包管理。这正是问题的关键所在。
但是，此问题未能考虑到一点，那就是几乎所有的大型机构投资者可能都没有意识到技术创新将改变这三个输入变量互动方式的程度和范围。现有的关于投资模型的分析并没有考虑到将有多少人力、流程和信息通过技术创新发生改变。因此，我们需要认真地审视上述各个领域的技术突破与变革。
人力（People）：全球大型机构投资者绝大多数是公募基金，而且大都位于那些远离主要金融中心的城市区域。虽然聘请顶级人才对于任何地区的组织都是一种挑战，但相比之下，公募基金面临的处境往往更为严峻，因为它们既受限于薪酬标准问题，同时也囿于地理位置。许多位于像埃德蒙顿（Edmonton）、朱诺（Juneau）和萨克拉蒙托（Sacramento）等城市的公募基金也要招募人才与私募基金相竞争，然而，这并非易事，尤其是在薪酬差距较大的情况下。
那些能够支付高昂薪酬的机构往往能够吸引到更多的人才。很多中介结构认为，如果投资机构希望获得最佳收益，那么其行动逻辑就是主动支付高额薪水。这也是为什么很多公募养老基金和主权财富基金愿意把资本业务交由中间机构运作。
我们完全可以打个赌。在今天的美国，对冲基金行业年薪达到5亿美元的雇员数量肯定超过在公募养老基金领域能够挣到50万美元年薪的职员。问题是你敢和我们打这个赌吗？最好还是不要打赌，因为你输定了。
但这就引出一个重要问题：对冲基金行业雇员的薪酬比公募养老基金从业人员的薪酬高了1000倍，那么他们真的就比后者就要聪明1000倍吗？答案显然是否定的。他们不是超人。这些机构和个体都拥有超级计算机。事实上，某些对冲基金所采用的技术水平至少要超过公募养老基金一千倍。一些刚刚成立的对冲基金在技术方面投入巨资，如今它们正源源不断地从此类投资中获取收益。这些基金的规模优势使它们能够不断强化自身的行业优势。
由于技术能进行海量数据处理与分析，那些采用技术创新的投资机构完全可以在减少雇员的条件下继续保持或提高分析能力。你可以把技术看作是大脑的外延或提高能力的手段。和其他行业一样，投资者的工作流程受制于其经验、技术和智商。在可以大量接触到市场指标和经济数据等信息的情况下，现在一个金融分析师的大概形象是，一个分析师及其大脑的周围充满了交易工具，评判这些分析师的能力就看他们使用这些工具的水平。
假如有许多的人工智能像分析师一样批量收集和处理数据，并进行归类和分析，然后将得到的信息传输给投资者，投资者便可将这些数据作为投资建议，指导自己的投资行为。
结果就是优秀的分析师或交易商实现了大规模的电子克隆。机器学习和人工智能的应用对于机构投资者具有重要意义。每日海量数据实时处理、互联网数据的收集和传统金融信息的分析都将轻而易举地实现自动程序化。
在特定的投资模式下，计算机自动运行程序能够迅速学会综合决策，以判断出所要购买的股票。这并非凭空幻想。自动运行程序通过机器学习的训练可以识别出你需要判断的讯号。当然，这需要在独立、严格和规则明确的条件下进行。此外，它还能够学习、模仿、复制和拓展分析的独特视角。
任何资产都有自己的特点和行为方式。虽然很难用逻辑条件框住他们，但是你会找到其中的乐趣。当你观察图表或阅读新闻故事时，就会发现那些吸引自己的焦点事件。计算机自动运行程序能够同时处理数百万条数据，它们将学会并按照你的分析视角采取行动。尽管它不会独立地做出投资决策，但却可以把这些建议和规划以可复制的电子数据和符号的形式传递给交易商，让他们的大脑做出判断。
总而言之，尽管金融分析工程师目前仍有用武之地，但是人工智能的自动计算程序很快会将他们淘汰出局。因此，作为目前投资行业最为稀缺的资源之一，顶级投资专业人才将让位给更加智能化的人机团队。多哈主权财富基金和奥克兰养老基金就是典型的例子。
信息（Information）：当我们触摸和点击电话号码、照片和地址信息时，全球定位系统可以帮我们轻松搞定一切。我们只需用手指在一张含有数百万数据点的可视图上就能够找到与我们需要的信息。这种能力对我们来说再正常不过。声控实时计算有多条选择性传输路径，实施卫星数据需要数百万次的交互式传送。而这只是硅谷每日工作的另一个组成部分而已。技术创新驱动将扩展到全球每一座城市，我们对世界的理解与参与方式正在发生变化。与此类似，在线网络可以帮助我们找到老朋友或者新的工作岗位。所有这些都再普通不过了。对于很多人来说，阅读不过是用手指在屏幕上“向左滑动”或“向右滑动”。我们客观地认为，技术创新在过去十年间给我们的日常生活带来了革命性的变化。
与此相反的是，目前金融界仍然沉浸在以往的僵化流程和技术当中。投资者既没有交互端口对接技术，也未能给所需的模型提供更高的处理速度，更缺少大数据技术。这种局限和不足给金融分析师和数据工程师们创造了巨大的生存空间。他们在对冲基金和其他中间商机构的统计模型中依旧沿用各种复杂的程序语言。但是需要对以上内容特别说明的是，随着先进技术程序逐步进入华尔街、硅谷和波士顿等地区，金融工程师们的生存空间将会越来越窄。从理论来说，这些处理程序可以借助合适的技术基础设施进入任何一个城市。很多企业正通过授权应用模型的方式把接入端口出售给数据分析平台，而不是采用成本高昂的系统平台。未来若干年，很多投资机构都将会积极寻求与技术企业强化合作关系。 寻求市场投资机遇已经过时了。很显然，这类匹配工具能够把你和你未来的另一半连在一起，但却无法改变你寻求和筛选投资机遇的方式。但我们也无需因此而惴惴不安，因为大数据机器学习平台会帮你找到最合适的市场时机。它很快就会把你与最热门的交易联系在一起。事实上，我们所熟悉的很多企业都在从事不同的选择性资产业务。它们积极为投资者寻找合适的投资项目而牵线搭桥。当然，这需要建立在数以百计的信息输入基础之上。这些企业从社交网络企业中雇用顶级工程师开发关联与匹配引擎平台，它能够将你与最佳的市场交易连接在一起。因此，它们会评估你作为投资者的特质和网络体系，进而找到你可能感兴趣且为之坚持努力的投资机遇。而且，由于此前已对你自身情况进行了相关评估，所以你的市场风险就大大降低了。这其中有一家企业正在开发优化组合技术。它能够优化那些由不同投资者群体组成的投资联合体，通过不同的投资者联合体实现企业家价值的最大化，进而增加获得成功的可能性。
然而，究竟有多少投资家已经意识到目前正在发生的这一切呢？有多少风险资本家明白他们舒适安逸的利基市场未来可能出现的变化呢？在我们看来，这些金融服务企业和个体应当是十分紧张的。因为这是它们赖以为生的行业领域，而且这些企业和个体彼此间形成了紧密的业务网络（它们当中既有经纪商和银行机构，也包括部分资产管理企业）。强大的匹配引擎能够全面了解投资者和企业家，利用这些海量数据、计算程序和成功合作伙伴关系的潜力将有助于顶级风险资本家掌控自身的投资业务。这在很大程度上是因为技术平台的费用成本只是风险资本企业收费总额中的很小一部分。
总之，我们很快就会看到机构投资者将不再依赖第三方资本管理机构的信息收集和数据评估来进行全面的投资决策。全球资本中心的金融服务企业将受到技术行业公司的强力挑战，尽管前者也为其客户决策投资积累了大量的人才和技术。相比之下，技术企业则有着无与伦比的分析处理能力，它可以为所有人的投资决策提供支持。这些公司将构建起雄厚的资源基础，它们能够为全球投资者提供信息收集、筛选、审慎评估、结构化、集成化、交易与监控等诸多服务（这并非是金融中心全部的专业技术能力）。普通投资者们只需用手指（在屏幕上点击）就可以完成上述功能操作。他们全部的需要就是能够进入信息链接平台。技术创新将使所有这些成为可能，它们不久就会出现在我们称之为金融中心的地方。
流程（Process）：我们花了很多时间尝试让投资者创造性地思考其投资方式。这样做主要是出于两个原因。第一，我们认为最好的投资者肯定会认同这样一个理念：金融市场瞬息万变，好的点子总是稍纵即逝，那些善于从一开始就能抓住新机会并且果断付诸实践者终究会获得回报。第二，我们认为新模式的竞争力往往不如传统模式。这意味着那些创新投资者会降低与投资执行活动相关的费用和成本。简而言之，在我们看来，坚持对投资流程的创造性思考是值得的。绝大多数投资者可能不同意我们这个观点。实际上，机构投资机构常常对创新不屑一顾，它们总是喜欢沉浸在对资产的垄断控制当中。在它们眼里，牧羊人式的企业是最佳选择。它们的管理者更关注政治与职业风险，而不是投资风险。
导致这种行为出现的原因之一是绝大多数投资机构总是盲目行动。它们用来建立组合投资的理论模型总是建立在像理性行动者和高效市场这类不切实际的假设的基础上，其解释和说服力较低，更不要说其预测能力了。所以，这些落后的理论模型广受批评和质疑。实际情况是，大多数金融模型是在20世纪60年代到80年代期间创建。在那个时期，由于计算能力的不足，只能用笔和纸进行简单的计算。更为可怕的是，面对这个危险的世界，这些投资者还感觉自我良好，似乎完全没有意识到眼前的危机。但是他们的投资业务、风险和信息技术体系由于缺少批判，盈利与安全保障功能已经远远落后了。投资顾问和中间商们不断向董事会传达一种理念：金融市场的高效投资管理主要依靠人才和资源，这个行业需要专家，“但养老基金雇员并不是专家”。
在这种背景下，机构投资者大规模涌向费用高昂的中间机构和主要的金融服务供应商也就不足为奇了。同时也可以理解它们为什么花费大量时间构建风险多元组合投资而不是去努力挖掘市场机遇;为什么他们靠拢行业基准和同行竞争对手;为什么购买的是产品而不是资产，为什么把资本投向资产管理机构而非技术企业，为什么只根据预期收益而不是风险进行投资决策。他们总是选择优化比率而不是聚焦于关键变量。他们总是把多元化视为基本支撑而不是工具。这些机制大大简化了投资者的行为决策，但事情却更加复杂了。对于这个实时变化的投资世界，任何模型、理论、产品和资产管理方都并非不可替代。
那么技术能否发挥作用呢？这是毫无疑问的事情。董事会和资产管理机构将获得全新的技术平台，它们将有助于解释和预测市场未来动向。同时，这些组织将有能力实时拆分自己的组合投资。这些强大的技术工具完全可以满足它们的各项需求，同时也能够根据市场诸多局限和挑战进行自我定位。大数据时代将使我们减少对各种模型的依赖。我们可以利用解释性数据建立起动态诠释和预测分析，从而不必再受制于人力资源的影响，或完全依赖外部资产管理组织和咨询机构。再次说明的是，资产的特质和行为方式是很难用某种特定的逻辑框架进行描述，但是数据开发工具却能帮我们做到这一切。
董事会最终会建立起高效的风险管理功能机制，进而充分发挥有效的投资功能。当他们对有效发挥风险系统功能充满自信时，才会授权给资本管理组织和代理机构。投资者不用再担心复杂性，但是他们需要能够确保每项投资的综合风险，实现所有组合投资风险的多元化。技术将使这些问题变得更加简单。
此外，技术还有助于克服目前治理模型的限制，为同行业机构之间的协同化提供一系列支持，通过审查清单和筛选工具使误差和偏差缩小到最低限度。这将极大地提升效率优势。投资者可以更好地理解其组合投资，从而实现高效运作与管理。养老基金也将摆脱“再招十个人”的尴尬处境，因为技术创新可以使一个人完成此前十个人的工作量。唯一的输家是那些高成本的中介机构，它们的支配地位可能就是技术与信息不对称的结果（这里就不谈论资产管理机构治理不善的问题了）。 如今，很多机构投资者非常关注其未来的发展路径。与中间机构建立合作联盟的做法偏离了养老基金和主权财富基金的正常发展轨道，致使后者不断增加雇员、运作系统乃至全球经营机构的数量。对于以利润为目标的金融行业来说，应减少对这些要素的依赖。至少拥有700名雇员的五家公募基金在全球各金融中心的分支机构甚至还不超过四个。这实际上就是一种潜在的资源浪费。毋庸置疑，尽管它提供了更多进入金融市场的机会，但是这种摇摆不定的状态是否有些过头了呢？未来十年，机构投资者联合体需要大量的全球组织来发挥其潜力，实现它们的目标。
我们认为下一代机构投资者会采取更加与众不同、更加智慧的方法。未来的机构投资者将按照他们自己的规划在金融中心地区配置资本，而不是一味地进行人员和机构扩张。硅谷会开发出新的人员授权和线性流程工具，并迅速把数据和信息转化为实际的知识储备。另外几个分支机构的700名雇员或许可以安排到全球各金融中心。高端人才和技术网络专家将作为总部机构的核心团队，他们能够胜任同样的工作。
金融行业将迎来一场更具包容性的革命。我们希望能够看到一种全新的机构投资精益模式，它是建立在综合性技术的动态能力基础之上。我们一直将它称之为“技术模式”。它能为所有机构投资者进入金融市场提供路径支持。对于那些希望进入市场寻找合作伙伴但又不愿意构建全球性商业帝国版图（加拿大模式）的基金机构来说，这实在是一种理想的运作模式。当然，它们也不甘受制于代理机构的管控，此前，这些基金一直严格按照捐赠基金模式运作。
我们期望在未来十年看到这样的场景：投资者因世界顶尖技术而受益匪浅。这些创新性技术关注人力、流程和信息的全新组合。这其中的部分内容我们或许已经接触到，而它们的出现和应用却正是我们撰写本文的主要目的。
如果技术能使人才更加廉价，组织更具活力，并能拥有更多决策信息，那么依赖人才和流程的加拿大模式就将走向没落。而捐赠基金也不再是机构投资者们最佳的选择。大数据技术足以打破对资产管理机构的依赖。最佳的信息必然要有顶级的技术相伴。事实上，硅谷这些高端技术将慢慢扩散到技术驱动型地区和城市。显而易见，这么做并不值得。此外，我们所列举出的这些变化也会增加它们彼此之间的互动机会，从而使现实的金融中心（技术模式的发源地）更加强大，服务与知识的紧密结合程度甚至超过目前伦敦、纽约或香港已经应用的世界顶尖技术。
可以肯定的是，技术模式的投资者将依靠技术完成大部分工作。他们只会把人才集中在那些真正能够产生附加值的市场领域。这些投资者根据自身特点运用独特的方式进入那些低度竞争市场。（他们可以充分利用外脑，以更加智慧的方式进入研究与分析领域。当然，他们也一定会更加审慎地展开投资行动。）例如，长期投资者可以提供一些短期投资者无法享有的机会。企业和项目开发机构的地区性信托合作伙伴能够创造很多自营机会。大型投资者最后可能只把能力放在寻求顶级资本管理机构上面，并在类似的市场风险条件下采取选择性投资路径。未来投资者必须在其组合投资结构中充分考虑这些独特的因素。
为了塑造独特的创新能力和提升竞争优势，机构投资者必须扩大与技术企业之间的合作。这绝不是天方夜谭。我们已经发现有一些机构投资者正寻求技术企业作为重要合作伙伴，后者将填补此前咨询顾问和资产管理服务机构所扮演的角色。
这样做还有很多其他方面的好处，例如有助于机构投资者获得机器学习和数据挖掘技术的支持。不仅如此，它们也能够克服地理区位的不利因素。此前，正是因为地理位置的影响而导致其无法吸引顶尖人才。（现在很多事情还不能妄下断言，例如那些高端人才是否仍将会在传统企业工作？技术企业能否继续吸引那些过去在华尔街工作的年轻专家？）简而言之，技术创新开始改变着这个相对保守落后的行业。
过去三十年间，技术进步给金融中间机构带来了诸多利好。展望未来，技术也很可能会危及它们的生存。正如我们在本文开篇所看到的，那些令人感到兴奋的技术企业的终极目标可能存在于各个方面。在此期间，一个真正全新的金融中心正在冉冉升起。
（本文来自美国《机构投资者》杂志）