--- schema_version: "library-reader-v1" source_type: "original_book" title: "黑箱社会 控制金钱和信息的数据法则＝THE BLACK BOX SOCIETY" author: null edition: null publisher: null year: null isbn: "9787508655208" library_document_id: "e613fff5-9eda-4e8d-b348-903e6d630253" source_sha256: "67bb93f3dab0a2b607ed63f8e84f76797d04298c6d72c7668c1e09ed63bd7e7a" pdf_physical_page_count: 318 pdf_physical_page_index_base: 0 range_start: 210 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/e613fff5-9eda-4e8d-b348-903e6d630253?start=210&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/e613fff5-9eda-4e8d-b348-903e6d630253.md?start=210&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/e613fff5-9eda-4e8d-b348-903e6d630253.md?start=200&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/e613fff5-9eda-4e8d-b348-903e6d630253.md?start=220&limit=10" --- # 黑箱社会 控制金钱和信息的数据法则＝THE BLACK BOX SOCIETY > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=210 | PRINTED_PAGE=191 算法程序推进了当代金融中两个最令人不安的元素：集中化和自我参照。经济学家阿马尔·拜德曾经指出，在对授信申请人进行排名的“最好方法”的理念之下，地方信贷员的分散化判断被植入到了全国信用评分当中该评分的着眼点在个人，而非群体。就像单一的耕作技术容易被某种意外虫灾所毁灭一样，一旦宏观经济发生改变，信用评估的汇总方法就会轰然崩溃。模型虚拟出来的可公度性和硬性估值使人们误以为自己可以快速获利并纷纷投入其中，从而极速推进了从繁荣走向破产的过程。 在金融界，将某一判断过程简化为一系列步骤的算法程序长期以来一直被标榜为造就公平竞争环境和降低风险的有效方法。人们认为可以通过算法程序来替换、取代或减少中间商(从抵押贷款信贷员到“专业”交易人员）的偏见或自我牟利行为。但很多时候，新的中间商会层出不穷，他们魔高一丈，寻找着从交易中榨取利益的方法。 隐秘的利益冲突长期充斥华尔街的各大公司，所以美国经济无疑会在某种程度上受到秘密算法的劫持或破坏。但金融技术问题同样不可忽视，因为建模方法和自动化程序等复杂技术让风险管理者无从下手，很难发现欺诈行为的蛛丝马迹。前交易员萨蒂亚吉特·达斯(SatyajitDas)的话让人印象深刻，“没有年薪100多万美元的交易员会搭理年薪5万美元的审计员”，尤其是当这名交易员拥有无数的模型来证明他的才智时。 第四章 金融算法:皇帝的新代码 191 ## PDF_PHYSICAL_PAGE_INDEX=211 | PRINTED_PAGE=192 诚然，我的举例不是非常全面。也许有人会说它们都属于投机时代的鲁莽行为，并不具有代表性。但是政治学家丹尼尔·卡朋特(Daniel Carpenter)曾经提出过这样一个论点，“我们研究某一特殊过程不是因为这一过程可以代替其他过程，而是因为它能够影响其他过程”。鉴于那么多的人在繁荣年代暴富并且在萧条时期来临后全身而退，野心勃勃的交易员和银行家们必然不会把金融危机看作前车之鉴。“伦敦鲸”事件表明，危机发生多年之后，关键模型依旧像泡沫年代一样受人操纵（并且监管机构依旧不负责任)。监管机构要像在泡沫年代一样对金融操作执行常规审查，否则情况不会有所改观。事实上，种种劣行甚至有愈演愈烈之势。 此外，在不透明的现代金融领域，代表性需求是一个很难定义的范围。我们很难知道有多少非法活动正在金融领域发生，也很难掌握合法行为的立足基础。黑箱的作用就是要隐瞒正在发生的关键事实。没有人能够自信地断言公司投资、账目或文档编制操作的准确性质。 记者兼人类学家吉莉安·泰德曾经描述过衍生品交易中可怕的“社会沉默”景象：“对于无聊烦琐的事情，最简单的方法就是对其视而不见。”极端的复杂性不仅能够麻醉公众，而且可以被金融工程师或贸易商或经理们用来唬走评价机构、会计师和监管者等把关人员。在很多有可能导致金融危机的情况中，金融工程师们总能找到方法来操纵算法程序并对相关数据进行篡改。 黑箱社会The Black BoxSociety 192 ## PDF_PHYSICAL_PAGE_INDEX=212 | PRINTED_PAGE=193 法国社会学家拉图尔曾经说过，“世界并不是被几个未知的湖泊围绕着的已知的坚实大陆，而是一片由几个被调整塑形后的岛屿围绕着未知的汪洋大海”。利用信息不对称进行牟利的金融世界就相当于一片“未知的汪洋大海”，但至少在新政和整体放松管制期间的几十年里，“被调整塑形的”评级机构、保险公司和投资银行伙伴关系（其所有者的资本不定）在某种程度上保持了有序的平衡。如今，快如闪电的交易和无比复杂的衍生品似乎也可以保持平衡。你可以规避一切，甚至能够通过保险再保险的方法来对冲之前的对冲项目。但危机的频率和严重程度却看似有增无减。 从20世纪90年代末的高科技和电信热潮到2002\~2006年的房屋价格上涨，资产泡沫都是黑箱融资的必然结果，完全可以预见得到。了解内情的业内人士可以居高临下地收获巨额的意外之财。但他们的收益实质是“现在不存在，将来也不会生成的未来财富”。通过在债务抵押债券和信用违约掉期等证券中制造巨大的价值泡沫，黑箱中的金融家们让自己的佣金(佣金范围从百分之零点几到某些对冲基金的情况下的30%)在对比之下显得微不足道。当海市蜃楼消失之后，生产收益的沙漠便清晰可见了。但是在这个新的严酷经济现实中，投机者们却比那些没有利用经济泡沫的微薄收入者“赚到了”更多的钱。 这就是现代金融中存在的巨大悖论：其主要操作者更擅长于为他们的“产品”(市场定价）创造供需要求，而不是实实在在地提供产品。这种行为的直接结果就是，市场变得云遮雾罩、暗潮涌动。马特·泰比将高盛比作“吸血乌贼”，用喷墨的章鱼来做比喻同样适用。 第四章 金融算法:皇帝的新代码 193 ## PDF_PHYSICAL_PAGE_INDEX=213 | PRINTED_PAGE=194 “自由市场”是金融权力理论的核心，也是基本经济知识的来源。如果没有大型经纪行和“银行控股公司”，我们怎么样对债券、股票或包含更多风险的衍生产品进行定价呢？然而，在金融化的进程中，公司、房产的价值，甚至是（鉴于实施紧急救助的迫切需要）一向坚如磐石的政府承诺都不再稳定。请回想一下赫尔南多·德·索托在本章开篇给出的研究结论：当欠付和所有权的基础混淆不清时，真正的市场就难以运转。在这样极端不稳定的环境下，金融市场繁荣起来并给出现金承诺，虽然投资者们(更多情况下是他们的代理人，而且这些代理人鲜少受到监督)对期货产品知之甚少，但仍争先恐后地进行投机和套期保值。 如同员工们希望在公司的工作评分算法中获得高分，或企业急于获得最佳的搜索引擎结果一样，如今公司竞相通过理财商行来对投注和对冲进行正确组合。权威算法机构负责管理这些程序以便做出对自己有利的调整。政策制定者们尚未对此制定必要的监管措施。下一章将阐述如何在既有的监管模型下做得更好。最后一章发出警告，必须采用全新的监管范式来治理黑箱金融。 黑箱社会The Black BoxSociety 194 ## PDF_PHYSICAL_PAGE_INDEX=214 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=215 | PRINTED_PAGE=NOT_DETECTED ## PDF_PHYSICAL_PAGE_INDEX=216 | PRINTED_PAGE=197 在过去的10年里，我常常思考如何利用法律让我们的黑箱社会变得更加透明。我曾经建议通过“公平信誉报告”来帮助人们理解数据收集者们的所作所为。我曾提议建立“联邦搜索委员会”来监督搜索引擎如何对个人和公司进行排名和评级。在致力于透明金融的活动家举办的若干会议上，我都贡献了自己的想法。 在过去几年中，这些活动已经获得了一些小小的胜利。然而，当各大公司控制着我们的数据、媒体和经济命运时，仅仅设立监督措施是远远不够的。我们必须对这些公司及其经营方式予以改进。另外，我们还需要在某一领域设置一些范例来让黑箱社会中的其他领域进行效仿。如果信用评分可以得到监管，为什么不能对数字广告商和雇主们使用的评分系统进行监管呢？如果美国卫生和福利部以及美国证券交易委员会可以要求对高科技公司进行“审计跟踪”，那为什么其他监管机构不可以这样做呢？与其每次在大数据驱动市场发生改变后再开始行动，监管者们不如尽早从世界各国政府那里学习最佳的经验与方法。 197 ## PDF_PHYSICAL_PAGE_INDEX=217 | PRINTED_PAGE=198 这些领域中暴露出的暗箱操作问题越多，实施改革的压力就越大。真正的改革将是什么样子呢？以信誉领域为例，我们应该减少对于数据收集的控制，而应该更加关注于数据的应用公司和政府如何利用数据进行决策。例如，非暴力的政治观点永远都不应该成为招致法律调查的导火索。我们需要确保雇主和银行不再根据偷偷收集来的健康数据做出关键决策。他们的算法程序应当受到公众监督—如果不是广义上的公众，至少应当是某些信托审核机构。 在当今互联网巨头争霸天下的背景下，竞争已经无从谈起。如今，大多数初创公司的目标是被谷歌或Facebook公司所收购，而不是取代它们。(Foundem公司的例子就是前车之鉴。）数据是信息经济的动力，一家公司拥有的数据越多，利用数据获利的机会也就越多。与其寄希望于也许永远不会出现的竞争态势，不如致力于确保搜索和社交网络行业中的自然垄断(naturalmonopolization)不会对其余经济领域造成太大伤害。 “富者愈富”的现象在金融界同样存在。大公司之所以能够聚敛资本仅仅是因为人们认为它们“大到不可能倒闭”和“大到不可能入狱”。一些改革者坚称只有将“大银行进行拆分”才能恢复金融竞争。他们的理由是，小机构在陷入困境后不太可能获得紧急救助。但我们的真正意图是要促成金融“失败”及其产生的不稳定性吗？如果能够确保各大金融公司的稳定并使其服务于大众，岂不是更好吗？ 黑箱社会The Black BoxSociety 198 ## PDF_PHYSICAL_PAGE_INDEX=218 | PRINTED_PAGE=199 对信誉评定公司、搜索公司和金融行业进行改进的第一步是要更多地了解它们在做什么。但这只是改革的开端。在许多情况下，企业行为本身也需要通过改变来维护基本的正当程序和公平的商业环境。随着互联网和金融企业对其他经济领域的影响越来越大，它们已经为其他企业和个人设定了判断标准。现在该我们为它们设定更高的标准了。 披露的标准 任何致力于透明性的解决方案都应该涉及三大问题：在何种程度上对黑箱公司进行披露？向谁披露？以什么样的速度进行披露？表5-1给出了选择范围： 多数的极端情况都会不尽人意。例如，当信用评分者根据“原因代码”给出一个低分的时候，这个分数只能代表一个因果侧面。另一方面，如果整个计算系统被黑客公布于众，那么会有很多人受到间接伤害。也许我们能够了解被披露目标的大量信息，但无辜者的隐私也会随之暴露。一个完全透明的社会将引发隐私入侵、窥阴癖和知识产权盗窃等恶劣行为。为了使调查工作有序且有效，有时需要委托专业人士进行干预。例如，法院通常要对法律纠纷事件进行深入了解。即使是解密者也对选择性披露的做法予以认同：朱利安·阿桑奇和爱德华·斯诺登都对来源可靠的解密事件进行了过滤。我把这种大趋势称为“优质的透明度”，即为了尊重某条信息所涉及的各方利益，就要对信息的披露范围进行限制。 第五章 监督者由谁来监督？ 199 ## PDF_PHYSICAL_PAGE_INDEX=219 | PRINTED_PAGE=200 信息披露的负面影响会随着时间的推移逐渐消退。限制条款不复存在；权力会发生转移；曾经的先进技术也会变得无关紧要。至少对于企业而言，它们最终披露的内容应当比我们目前了解的信息要多得多。很难想象如果未来的历史学家们不能对黑箱系统有更加深刻的了解，他们将如何书写我们今天这个越来越自动化的时代。同时，我们还要注意不能让披露行为来得太迟。华尔街曾经成功地隐瞒了2008年美联储实施紧急救助的惊人细节，直到金融改革法案获得通过之后这些信息才得以披露。如果立法者能够对新近发生的事件有一个更好的了解，就可能会出台更多的创新性改革措施。 快而全的披露和偏而迟的披露分属两个极端，要想在它们之间取得平衡，我们就需要考虑为什么要让公司对当前行为进行披露，这一举动的意义何在。例如，虽然美国的监管机构建立了精细的监督体系，但却不能（或不）对违法行为处以实质性的罚款。这种监管无异于一批全职官员和律师在为虎作伥。而监管人员则辩称，至少消费者可以根据披露的信息决定买手机时是选苹果还是选三星。搜索信息时是用Google还是用Bing，抵押贷款时是选择花旗银行还是富国银行。但人们真的能够知道企业的违法行为吗？他们会在乎吗？披露之后是否有后续行动？这种行动是否具有意义，被取缔的公司是否会被新的不法公司所接替？这些问题虽然尖锐，但必须要在披露进程中予以考虑。黑箱带来的损害是随机发生的，并且难以测算，至少在个人层面上如此。 黑箱社会The Black BoxSociety 200 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/e613fff5-9eda-4e8d-b348-903e6d630253.md?start=220&limit=10)