机器人将撰写宏观预测——彭博社
Matt Levine
LLM预测者
利用人工智能预测股价有两种基本方法：
- 构建深度学习模型预测股价：搭建深度神经网络，输入大量股票历史数据，训练模型识别这些数据如何预测股票收益。然后在当前数据上运行模型，预测未来收益，购买模型认为会上涨的股票。
- 采用他人构建的深度学习模型——大型语言模型，擅长预测文本。该模型基于海量人类语言语料库训练，能出色回答诸如"以叶芝风格写一首关于青蛙的诗"等问题。而你会询问它类似"以巴菲特风格撰写是否应购买英伟达股票的报告"的问题。模型通过学习巴菲特的写作风格（反映其思维方式），其给出的答案——你希望——能真实反映巴菲特的可能观点，或是一个有充足思考时间的计算机模拟版巴菲特的观点。由于巴菲特擅长选股，这个合成版本对你很有用。阅读报告后，如果机器人巴菲特说"买入"，你就买入。
第一种方法直观合理，大致描述了各量化投资公司的实际做法：金融数据中可能存在预测未来收益的模式，而深度学习正是发现这些模式的统计技术。
第二种方法看起来……有点疯狂、浪费且拐弯抹角？但又有趣而迷人？它通过先解决一个更困难也更普遍的问题来应对原问题：不是“海量分析数据以寻找预测股票上涨的信号”，而是“先造一个能逼真模仿人类意识的机器人，再训练它模仿某位擅长选股的人类思维，然后给机器人一些股票基础数据，最后让它预测那个人类是否会判断该股上涨”。
彭博社观点专栏麻疹致死案例再现，科学再次败北电动车杀手钴矿适得其反，效仿歪心狼式翻车深度求索与《哪吒2》正重拾被习近平忽视的元素嘿Alexa，你终于找到真正的商业模式了吗？我的印象是，有人用第一种方法取得了显著成功——比如文艺复兴科技公司——而第二种方法主要是我在开玩笑。但也不*完全是。*第二种方法有几个关键优势：
- 别人——OpenAI、xAI、深度求索或其他公司——已经斥巨资为你搭建了大语言模型。如果你处于机器学习前沿且能承担海量数据、研究员和算力成本，尽管去建股票预测模型；但如果你只是，比方说，一名学者，用别人的模型可能更简单。大语言模型公司广泛开放模型，股票模型公司则不然。你不可能每月花20美元就用上文艺复兴的股价模型。
- 由于大语言模型输出的是自然语言，其推理过程具有股票模型不具备的可解释性。股票模型只会说“我分析了10万组时间序列数据的全部组合，用其中37314组构建了非线性信号，信号显示英伟达会涨”，追问原因时它回答“就是这37314组数据”。你只能选择相信。而机器人沃伦·巴菲特会给你写份漂亮报告，列出该买英伟达的理由。这些理由可能纯属虚构，但你可以验证。我曾写道：“对金融领域人工智能的一个常见质疑是：计算机如同黑箱，选股理由人类无法理解——其推理过程不透明，你难以判断依据是有效逻辑还是虚假关联。让计算机给你写投资备忘录就解决了这个问题！”
- 我确实认为，在对话框里与机器人沃伦聊天的美学和社会吸引力，不同于黑箱给出的股票清单。这对严谨的量化对冲基金或许不重要，但对某些人必然重要。我们去年讨论过一家为散户提供‘选股建议聊天机器人’的初创公司，其目标似乎不是‘机器人总能推荐上涨股票’，而是‘提供与人类经纪人对话的逼真模拟’——而人类经纪人也无法永远推荐上涨股票。以前你打电话给经纪人，现在可以发消息给聊天机器人了。
因此，我们去年也讨论过一家交易所交易基金公司，该公司将使用大型语言模型来模拟人类专家——那些具备特定人类特征（如巴菲特）的专家——进行股票选择。为什么要使用LLM而不是构建一个直接预测股票价格的模型呢？因为LLM已经存在，数据也已经存在，而且这种手法比“这是我们的黑匣子”更人性化一些。
无论如何，这里有一篇关于“模拟专业预测者调查”的论文，作者是Anne Lundgaard Hansen、John Horton、Sophia Kazinnik、Daniela Puzzello和Ali Zarifhonarvar：
我们使用大型语言模型（LLM）模拟专业预测者的经济预测。我们利用从专业预测者调查中手工收集的参与者特征数据集构建了合成预测者角色。然后，这些角色被提供实时宏观经济数据，以生成对SPF调查的模拟响应。我们的结果表明，LLM生成的预测与人类预测相似，但通常具有更高的准确性，尤其是在中期和长期范围内。我们认为，这种优势源于LLM能够从过去人类预测中提取潜在信息，同时避免系统性偏差和噪声。我们的框架提供了一种成本效益高、高频率的替代方案，通过结合人类专业知识和人工智能的精确性，补充了传统的调查方法。
试想，你可以通过将大量当前宏观经济数据输入深度学习模型，并尝试让它做出预测，来预测未来的宏观经济数据。这种方法直接回答问题的优势明显，但也存在重要缺点，比如“需要大量数据”和“必须构建模型”。
或者，你可以通过向商用大型语言模型输入一些当前数据，并要求它模拟人类预测者的行为，来预测未来的宏观经济数据。这种方法的优势在于模型已经存在，你只需输入一个合适的提示，可能比大型宏观模型所需的数据量少得多。此外，还存在“过去人类预测中编码的潜在信息”。论文中提到：
考虑预测未来H期的经济变量向量yt+H的问题。我们假设真实的预测过程由函数f决定，该函数依赖于时间t时可用的两类信息：可观测数据xt和不可观测因素zt，加上一个不可预测的零均值误差ε。……
不可观测因素zt代表任何有助于预测yt+H但未被xt捕获的额外信息。这可能包括私人见解、隐性领域知识、内化的启发式方法和直觉。
人类可以访问可观测和不可观测的信息。然而，他们对这些信息的处理并不完美，这会引入一个误差项。……
相比之下，算法只能访问xt，但它们能高效处理xt。……这代表了使用机器学习技术的传统算法预测。然而，我们使用的是大型语言模型（LLMs），它们以非确定性的方式形成预期。
也就是说：人类能为宏观经济预测带来一些独门秘诀，某种额外的洞察来源——比如“隐性领域知识”等——这些是机器学习算法用于预测的数据所未能捕捉的。但如果你在人类身上训练一个机器学习算法*，*它就能掌握这种人类特有的秘诀，从而做出更准确的预测。
贝莱德DEI贷款
七百年前（即2021年），贝莱德公司与富国银行牵头的一组银行达成协议，借入一笔资金1。作为协议的一部分，贝莱德与银行们为贝莱德业务设定了三组“可持续发展目标”：增加黑人和拉丁裔员工比例、提升女性领导层占比、扩大遵循可持续投资指令的资产管理规模2。若达标情况良好，其信贷安排的承诺费（即使未实际动用资金也需每年支付给银行的费用）将在约定基准费率基础上降低0.01%，实际提款时的利率则降低0.05%。若多项指标严重未达标，承诺费与利率将分别上浮0.01%和0.05%。这意味着若贝莱德多元化表现极佳，其每年（在承诺费方面）可比表现极差时少支付0.02%。（据我所知该公司尚未动用该信贷额度，故重点分析承诺费。）
你可以尝试用常规信贷分析的方式来解读这一条款。许多信贷协议都会包含针对贷款风险变化的利率调整机制。比如，协议中可能将利率与信用评级、净收入或杠杆比率挂钩：如果公司信用风险上升，就需要向银行支付更高利息；若风险降低，则可减少利息支出。这里也可以套用类似逻辑：“这些可持续发展目标实际上提升了企业的长期可持续性——顾名思义——因此贝莱德领导层越多元化，公司就越稳定，债务安全性就越高。所以在贝莱德多元化程度更高的情境下，银行应该愿意接受比多元化不足时低0.02%的利率，因为更高多元化的状态对信贷更有利，银行希望通过利率激励贝莱德做出有利于信贷质量的决策。”
但我认为这种分析并不恰当？3更准确地说，我不认为这是银行或贝莱德的真实考量。我持此观点有多重原因，其中一个简单事实是：0.02%的幅度实在微不足道。银行评估信贷风险时，通常考虑的是"若该公司收入大幅下滑，信用风险将显著上升，我们应大幅提高利率"这类情况，调整幅度至少是中等规模；信贷决策很少会精确到0.02%这样的微调。虽然理论上更多元化的贝莱德确实可能比不够多元化时风险低0.02%，这个价差或许成立，但若真如此，那更像是种幸运的巧合。
一个更现实的分析可能是：
- 2021年，银行乐于宣称自己正在发放大量可持续、与可持续发展挂钩、ESG（环境、社会和治理投资）等类型的贷款。添加一个——微小的——多元化激励措施，就将这笔贷款转变为“与可持续发展挂钩”贷款，银行可以在报告中声称他们正在开展大量可持续贷款业务。
- 2021年，贝莱德也非常热衷此类举措，获得与可持续发展挂钩的贷款为其带来了良好的舆论反响。
无论如何，那都是700年前的事了。以下是《华尔街日报》今日报道：
贝莱德在最新年度报告中删除了关于其多元化、公平与包容战略的表述，加入了华尔街金融机构和企业雇主与DEI（多元化、公平与包容）保持距离的行列。
这对贝莱德而言是一个特别显著的转变，其首席执行官拉里·芬克曾一度积极推行DEI和环境、社会及治理投资。
“正如我们对其他公司的要求一样，我们制定了旨在改善贝莱德多元化、公平与包容的长期战略，“芬克在2021年致股东信中写道，“要真正推动变革，我们必须将DEI融入所有业务环节。”
在周二提交的年度报告中，这家全球最大资产管理公司删除了过去报告中关于多元化及包容性员工队伍是"商业必需且不可或缺"的声明。
贝莱德移除了对其"DEI三大支柱战略"的表述，同时消失的还包括"贝莱德认为透明度和可衡量性是其战略关键"的声明，以及按性别和自我申报族裔分类的美国员工数据。
而且——或许更实质性地：
年度申报文件中的一个微妙脚注显示，贝莱德以另一种方式退出了DEI（多元化、公平与包容）。2021年，该公司与多家银行达成了一项融资协议，将44亿美元信贷安排的借款成本与其实现某些目标的能力挂钩，例如达到高级管理层中女性比例以及员工中黑人和拉丁裔比例的目标。
贝莱德表示，这种与ESG（环境、社会与治理）挂钩的信贷安排是当时的一种新颖安排，将增强其问责制。
这些指标将不再强制执行。贝莱德周二披露，已修改信贷安排，“更新与可持续发展挂钩的定价机制，删除现有指标”。
这里是年度报告；显然，与可持续发展挂钩的指标已于2024年5月被删除，未来可能会设定“新指标（如果有的话）”。4 我真想看看那些谈判的场景。你觉得他们吵起来了吗？
贝莱德： 我们需要停止这种做法：如果我们不够多元化，就多付你们0.01%；如果我们非常多元化，就少付你们0.01%。
银行： 什么？这些指标对我们的信贷分析至关重要，我们不同意直接删除。你们承诺过会努力实现多元化目标，如果做不到，我们将不得不重新评估整个贷款关系。
贝莱德： …
银行： …
贝莱德： 哈哈。
银行： 啊哈哈哈，刚才我们逗你玩呢。没事，删就删吧，谁在乎啊，我们也不再报告与多元化挂钩的贷款了。
这有点让人恼火。贷款协议主要是由想要某样东西的贷款人和想要另一样东西的借款人之间协商达成的。一般来说，如果贷款协议规定借款人在某些情况下必须支付更多，那是因为贷款人担心这些情况，并坚持要求一些保护和激励措施。如果借款人来找贷款人说“我们能忘了那件事吗”，贷款人会回答“不行”或“什么”或“你遇到麻烦了吗？”
因此，在2021年，当贝莱德签署这份协议时，它本应传达某种代价高昂的承诺：如果我们未能实现多元化目标，我们将付出代价，因为对方有出于经济动机的银行会要求我们实现这些目标。但事实并非如此！这几乎全是假的。没有真正的承诺，当这对贝莱德变得不方便时，对银行也同样不方便，他们就可以直接忘了这件事。
关联方
传统上，如果你是一家上市公司的首席执行官，同时又是另一家公司的大股东，而你的上市公司与你拥有的另一家公司达成交易，那就是利益冲突。你上市公司的董事会应该成立一个由独立董事组成的特别委员会来审查交易并确保其公平性，你应该回避谈判，当交易发生时，你的上市公司将不得不广泛披露，以便股东了解你在做什么。
埃隆·马斯克是特斯拉公司的首席执行官，同时他也曾是太阳能公司SolarCity Corp的大股东。2016年，SolarCity陷入困境，马斯克决定——抱歉抱歉，是特斯拉和SolarCity的董事会决定——特斯拉应该收购SolarCity。交易完成后，特斯拉股东提起诉讼，围绕马斯克旗下公司救助另一家公司时存在的明显利益冲突，展开了一场旷日持久的法律战。最终马斯克胜诉，法官裁定这笔交易及其批准过程虽不完美，但已足够合理。
此后马斯克转向了更宏大的事业，而《华尔街日报》的Jonathan Weil今日提出疑问：埃隆·马斯克是否拥有美国政府？如果是，这对特斯拉的信息披露义务意味着什么？
核心问题在于：根据通用会计准则，特斯拉与政府是否构成"关联方”？答案似乎是肯定的，尽管这听起来很不可思议……
关联方认定意味着特斯拉在向投资者披露时，可能需开始报告与政府之间的重大交易。这也将凸显马斯克已获得何等巨大的权力。美国会计准则指出，要求此类披露的原因是"涉及关联方的交易不能假定是在公平交易基础上进行的，因为可能不存在竞争性自由市场交易条件”。
其他上市公司如美国国际集团、通用汽车、房利美和房地美曾在其披露中将美国政府列为关联方，但这是因为政府在2008年金融危机期间救助了它们并持有大量股权。如果特斯拉开始在投资者报告中把政府列为关联方，那将是因为马斯克对政府施加的控制力，而非相反情况。
根据美国会计准则，如果一方"能对另一方的管理或经营政策施加重大影响，以至于交易方可能无法完全追求自身独立利益"，则特斯拉与政府将被视为关联方。
我不清楚特斯拉与政府有多少商业往来；这对SpaceX可能更相关，但SpaceX是私营企业，因此对其财务的关注较少。不过：当然。我们还没到特斯拉需要将政府合并进其财务报表的地步，那会是个更有趣的结果。把34万亿美元的政府债务塞进特斯拉的资产负债表，就为了戏弄分析师。
另外，彭博社的卡拉·卡尔森报道：
上个月埃隆·马斯克在特朗普总统的就职活动上做出类似纳粹敬礼的手势后，[特斯拉车主泰·赫尔顿]再也不想与这个品牌有任何瓜葛。
“我开着它时的自豪感和美好感觉已经消失了，“赫尔顿谈到他那辆只开了约2500英里的Model 3时说道。这位政治立场温和的49岁车主计划提前还清车贷，并在年底前置换掉这辆轿车。
赫尔顿的情况在特斯拉客户和消费者中并非个例。这家电动车制造商1月份在欧洲的销量下降了45%，这是其全球交付量十多年来首次出现年度下滑。在其首席执行官以违背特斯拉宣称的使命和价值观的方式介入政治的地区，该公司尤其显现出压力迹象…
“特斯拉2025年最大的挑战不是技术——而是公众认知，“丹麦盛宝银行（客户资产超1050亿欧元）全球投资策略主管雅各布·法肯克龙表示，“埃隆·马斯克的政治包袱现在正拖累销量、品牌忠诚度和投资者信心。”
读者时不时会发邮件问我类似这样的问题：“如果埃隆·马斯克持续发表疏远特斯拉客户、打压销量和市值的政治言论，这是否违反了他对股东的信义义务？”我的回答大概是：不知道，你何不在德州新成立的商业法庭起诉他试试看？
总体而言，这类诉讼——涉及的并非利益冲突交易，而是CEO做出争议性决策——通常很难胜诉。但我也认为万物皆可证券欺诈，我们去年讨论过针对塔吉特公司的诉讼，该诉讼指控其通过举办“骄傲月”营销活动激怒顾客，并声称这构成证券欺诈。在我看来这个案子胜算不大，但佛罗里达州一位联邦法官允许其继续审理，所以谁知道呢。我不太看好你在德州起诉埃隆·马斯克的极右挑衅行为违反股东信义义务能赢，但若能验证这个结果倒也有点意思。
初级银行家简历
在要求AI模仿人类意识的其他领域：
致使用AI辅助撰写简历的初级银行家们：招聘公司已经识破你们了。
华尔街猎头公司表示，“缜密”“一丝不苟”等词汇暴露了银行业求职者用AI润色简历的痕迹。其他破绽还包括过度使用的短语如“不断演进”，或当候选人声称自己“在塑造某事物中发挥关键影响”时。
与众多求职者一样，年轻银行家正越来越多使用ChatGPT等AI工具撰写简历。但当他们未认真校对申请材料导致错误频出时，就成为了招聘方的顾虑。这对注重细节、追求精确且反感走捷径的投行雇主而言，无疑是危险信号。
“如果此人都不愿花时间认真制作简历，我为何要费心审阅并面试他们？”塞尔比·詹宁斯投行招聘主管布赖恩·斯特林表示，“这些银行家首份工作的主要内容就是为客户整合金融模型和演示文稿。如果雇主看到一份错误频出或千篇一律的简历，很可能直接亮红灯。”
什么？我简直不敢相信。首先，AI之所以会提出陈词滥调的建议，是因为它是在充斥着套话的简历数据上训练的。AI建议人们在简历中自称"一丝不苟”，正是因为人类自己写的简历就爱用"一丝不苟"这种词。
其次：投资银行看到初级求职者的简历"看起来千篇一律"就认为是危险信号？你听听这像话吗？来，我这就给你写一份完美的初级银行职位简历：
教育背景：
- 哈佛大学应用数学学士- GPA：4.0- 长曲棍球队队长- 投资俱乐部主席
工作经历：
- 2024年暑期在摩根士丹利金融赞助集团实习：在动态变化的金融赞助覆盖工作中发挥重要作用。精心构建了稳健的杠杆收购模型。- 2023年暑期在某市值千亿美元的工业集团管理岗实习（注：我母亲是该公司CEO兼控股股东）。
瞧，搞定了，根本不需要AI。“千篇一律”？千篇一律才好呢。
财经速递
华尔街赌徒遭重创，杠杆ETF亏损达40%。英伟达AI热潮让戴尔等合作伙伴赚得盆满钵满，但代价不小。猫头鹰餐厅破产危机连累本应防破产的债券。通用汽车加码股东回报，宣布新回购计划并提高股息。中国将向多家大型银行注资至少550亿美元。FTX9.5亿美元破产费用创雷曼危机后最高纪录。私募股权公司Roark接近以10亿美元收购Dave’s Hot Chicken。研究发现工业化社会人群睡眠质量更好。女子承认企图诈骗猫王家族雅园庄园。苹果承诺修复文字转换漏洞——该漏洞会把"种族主义者"误转为"特朗普”。
如果您想以方便的电子邮件形式在收件箱中获取《Money Stuff》，请点击此链接订阅。或者您可以在此处订阅《Money Stuff》及其他优秀的彭博新闻简报这里。谢谢！