金融股票投資是個比較專業(yè)的事兒,但是這個禮拜,圍繞一支美國股票的多空廝殺事件,在全球范圍出了圈,成了全民頭條。
我們先簡單總結(jié)一下這件事的來龍去脈。
有一家叫GameStop的美國公司,是賣游戲機和游戲光盤的線下實體連鎖店。顯然,疫情會嚴(yán)重沖擊這家公司的業(yè)績。于是一些機構(gòu)投資者,開始做空這家公司的股票。
但一些美國普通散戶認(rèn)為,這家公司還有希望,只要大家都團結(jié)起來不賣手中股票,反而加倉,那么大投資機構(gòu)就無法做空,這家公司就能得以繼續(xù)發(fā)展,散戶們還能一起賺錢。
這場投資機構(gòu)和散戶的多空分歧有多激烈,大家只要看兩個數(shù)字對比就知道了,做空的機構(gòu)投資者認(rèn)為這家公司的股票只值20美金,但是散戶卻將股票炒到最高超過400美金。
事情的階段性結(jié)果是,由于散戶過于團結(jié),所以股價不跌反漲,多家做空投資機構(gòu)損失高達(dá)數(shù)十億美金,甚至瀕臨破產(chǎn),散戶們則大獲全勝,有人賺錢幾十上百倍。
在全球范圍,散戶們干掉機構(gòu)投資者的案例,這幾乎是獨一份。
起碼在中國股市,我們只聽說莊家割散戶的韭菜,從來沒聽說過散戶爆了莊家的糧倉。至此,此事破圈。
分析整件事,從邏輯上看,機構(gòu)投資者是有其道理的,被疫情耽誤了業(yè)績的Gamestop,被做空是合理的。
但事實上,在輿論場上,這場散戶和機構(gòu)投資者的PK,其實早超越了理性投資范疇。草民散戶投資者,之所以能團結(jié)對外,民間輿論也一致支持散戶,其中隱含了散戶對機構(gòu)投資者(也就是華爾街權(quán)貴階層)的反感與不滿。
本質(zhì)上,這是一場階級斗爭,而斗爭的根源,則可以追溯到2008年的金融危機。這件事,也完全可以看作是金融危機的續(xù)集,我們可以再回顧一下往事。
與國內(nèi)股票市場完全相反,歐美發(fā)達(dá)國家的投資市場,散戶只是少數(shù),約占30%,而機構(gòu)投資者(如銀行、基金公司)占比余下的70%。多數(shù)人是把自己的錢委托給機構(gòu)投資者(華爾街權(quán)貴階層)去投資理財?shù)摹?/p>
但是在12年前,這些機構(gòu)投資者,也就是今天美國散戶眼中的“華爾街權(quán)貴”,辜負(fù)了無數(shù)草民。
當(dāng)時,機構(gòu)投資者將垃圾資產(chǎn),偽裝包裝成低風(fēng)險高回報理財產(chǎn)品,賣給不懂行的普通投資者。結(jié)果在美國房市崩盤之后,無數(shù)全球草民血本無歸,甚至賠掉了自己的養(yǎng)老金。
新浪財經(jīng)香港站記者翁曉瑩曾經(jīng)采寫過這樣一個香港案例,一位老婦人,手里只有一筆錢,是丈夫做建筑工人意外死亡得到的5萬美元賠償金,她本想靠這筆錢度過晚年。然而2007年,老婦人在銀行被機構(gòu)投資者營銷之下,買了一筆并不兜底的高風(fēng)險理財產(chǎn)品。一年后,金融危機來了,這筆錢灰飛煙滅,完全歸零,老人賠掉了丈夫一命抵來的養(yǎng)老金,自己也腦中風(fēng)死在醫(yī)院里。
圖:金融危機后第3年掀起的占領(lǐng)華爾街運動
普通人舉步維艱,但是華爾街投資大亨的日子卻不受影響。拿著名的、破產(chǎn)的雷曼公司來說,在2000年至2007年間,其CEO總共獲得3.5億美元的報酬。在宣布破產(chǎn)僅4天,雷曼還對被解雇的兩名高管,計劃發(fā)放高達(dá)1820萬美元的績效,以及向一名主動辭職的高管,發(fā)放500萬美元離職金。
華爾街機構(gòu)權(quán)貴和破產(chǎn)普通投資者的命運差距,如霄壤之別。
套用一下人物關(guān)系,老婦人就是如今的散戶和草民,而當(dāng)年兜售理財產(chǎn)品的就是現(xiàn)在的機構(gòu)投資者?,F(xiàn)在草民的邏輯似乎是:當(dāng)年我們那么信任你們,把錢交給你們?nèi)ネ顿Y,結(jié)果又怎么樣,還不是血本無歸。所以“今天,我們要做自己財產(chǎn)的主人,不再任由權(quán)貴主宰”。
盡管目前有些做多散戶可能未必了解12年前的金融危機,但是其對華爾街的不滿情緒,是一脈相承的。
如果按照中國人所熟悉的馬哲理論——“其他勞動階級,結(jié)成鞏固的聯(lián)盟,同一切可以團結(jié)的力量結(jié)成廣泛的統(tǒng)一戰(zhàn)線,反抗和鎮(zhèn)壓剝削階級”的定義。這場資本市場的多空大戰(zhàn),這些民間輿論場對散戶的叫好聲,因此我們把這次事件比作“階級斗爭”是完全準(zhǔn)確的。
與此同時,這場階級斗爭,也確實包含了同一切可以團結(jié)的力量,以及勞動階級對勞動階級的極大同情。
除了Gamestop,同時被散戶追捧、被投資機構(gòu)做空的股票還有:美國航空、零售商店百思買Best Buy、電影院AMC。這些公司有一個共同點,都是業(yè)務(wù)被疫情嚴(yán)重影響,雇傭人群主要是藍(lán)領(lǐng)工人的公司。這些工作人員都是最普通的勞動階級:商場店員、地勤空乘、放映員和清潔工。
因為疫情的影響,這些公司本已經(jīng)生存困難,就業(yè)人口已沒飯吃,如果投資機構(gòu)加碼做空,不僅公司會更快死亡,很多藍(lán)領(lǐng)就業(yè)崗位也會隨之消失。金融業(yè),本來是為實體行業(yè)提供服務(wù)而產(chǎn)生的行業(yè),現(xiàn)在卻成了投資機構(gòu)做空,收割實體經(jīng)濟最后一口氣的食人魚盤中餐。此情此景,華爾街權(quán)貴豈不被痛恨?
2013年,一部刷爆收視率的日劇《半澤直樹》就講過類似的故事(引自百家號:青苔的光影):
“在日本泡沫經(jīng)濟的沖擊之下,很多企業(yè)面臨倒閉的危險。主人公半澤直樹的父親經(jīng)營著一家生產(chǎn)樹脂螺絲的工廠,因為合作方倒閉,所以影響到公司生存。主角的父親說:別小看這顆手工螺絲,它是經(jīng)濟發(fā)展的關(guān)鍵呀。
半澤直樹的父親申請向銀行貸款,但銀行家們,只看短期回報,并不關(guān)注以后的行業(yè)發(fā)展和企業(yè)發(fā)展。他們晴天送傘,雨天收傘。父親走投無路,無奈之下選擇了結(jié)束生命。”
半澤直樹父親的命運,和今天的華爾街收購疫情危機之下的實體商家,何其相似。
這場資本市場輿論場的階級斗爭,還正處于激烈的交鋒之中,最終結(jié)果,還不得而知。甚至,我在描述階級斗爭的時候,用了限定詞,這是“資本市場輿論場”的階級斗爭。
因為從本質(zhì)上,我們很難說,做多的力量之中,是否只有團結(jié)的草民散戶,沒有其他投資大鱷的手套。這周,埃隆·馬斯克在推特上,為草民投資者叫好,我們?yōu)轳R斯克的境界鼓掌之于,也別忘了,他是一個新的世界首富。這是最大的資本家,在鼓勵普通草民對抗普通資本家。
但是,普通人對權(quán)威組織的失望,正在改寫這個世界的游戲規(guī)則,這種改寫甚至多年前就已經(jīng)開始。無論人們現(xiàn)在是否喜歡特朗普,他4年前作為政治素人的當(dāng)選,其實正是美國選民對傳統(tǒng)政治團體的“用腳投票”。如果不是特朗普在疫情期間,持完全的反科學(xué)態(tài)度,現(xiàn)在在臺上的必然不是拜登。
莎翁說,隱藏的憂傷如熄火之爐,能使心燒成灰燼。不管GameStop的劇情如何結(jié)束,這已是誰也不能再忽視的暗能量。時間很漫長,距離金融危機已過去12年;時間又很短暫,全世界到目前為止,仍沒走出那場陰霾。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟大學(xué)團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。