数据资本时代

金融科技已经催生了海量数据平台的一个全新的细分领域，如ZuluTrade和eToro等平台，它们为客户提供的投资方法，是选择或者复制千万个其他交易者的投资模式。也就是说，这些平台的目标就是为投资者提供一种学习机会，让他们来仿效那些具有匹配偏好的交易者。平台通过它们所促成的交易来抽取部分利益。其他网站，如PeepTrade(窥探贸易)，则会为客户提供渠道去“窥探”成功交易者的决策信息，并从每笔“遵从”成功交易者策略的交易中抽取部分利益。

在金融科技平台上，融资与投资是通过提供P2P贷款来实现的，平台上的一些消费者向另一些消费者提供贷款(或者像是FundingCircle这样的平台，向小企业提供贷款)。平台为这些贷款的配对提供了便利，只是目前这样的配对过程仍然相对简单。英国的Zopa公司是P2P贷款领域的先行者之一，它已经促成了20亿美元的融资。但是，P2P贷款真正实现起飞，却是在中国。数千个平台已经开放，最成功的一个陆金所，已经超过了Zopa公司的总融资量。据估计，2016年中国的P2P贷款市场总额已超过1000亿美元。美国的Kickstarter及其竞争对手Indiegogo，提供的是一种相关服务。仅Kickstarter就帮助初创企业获得了超过30亿美元的直接融资，其中1/3的项目成功获得了融资（只有大约15%的项目最终失败)。最近，Kickstarter与股权众筹平台MicroVentures合作，为投资者提供了购买小企业股权的机会。有趣的是，Kickstarter建立了一个初创企业平台，此平台能够超越简单的购买或融资交易，为投资者提供全面、丰富、连续的信息这有些像早期的海量数据市场。这个平台的目的就是要为这些初创企业在决策时提供大量信息，同时让它们在做出决

数据资本时代

150

策后也依然保持消息灵通。

与一般的公司一样，对于金融科技公司来说，获得数字技术与获得海量数据的方法是非常不同的。有些公司，比如提供低成本资金转账的公司，只是为现有服务提供了一个廉价版本。它们基本上把赌注押在了过去，希望利用金融领域的完美风暴来谋求生存。其他人则完全专注于丰富的数据流，Betterment和SigFig，以及一些P2P贷款机构都属于这一类：它们的做法，是将综合数据与用户偏好和算法进行匹配，来确定最优交易伙伴。从长远来看，在投资领域的金融科技企业，或许还有与它们合作的银行，都将自己的目标锁定在成为能力超越金钱和价格的信息中介。

金融科技公司把关注焦点从货币转移到海量数据，这种做法彻底动摇了人们对金钱和银行业力量所持有的信心。与此同时，许多金融科技公司也在利用市场，来完成一些原本属于传统大银行的任务。这也进一步凸显了本书所强调的，整体经济从公司模式向市场模式转变。

传统银行风雨飘摇

到目前为止，银行与金融科技公司联手的结果喜忧参半。在一定程度上，这肯定是因为我们仍处于从资金重心转移阵地的初始阶段，所以在稳定和成功的商业模式出现之前，市场存在大量不确定性、尝试和错误。这有点儿像20世纪90年代中期互联网热潮之前的电子商务。但是，出现这种情况，也可能是因为更深层的文化原因。尽管从理论上讲，银行应该非常乐于使用大量数据，因为它们已经收集了几十年各种各样的金融数据，管理运行着包含详细客户信息的大型数据存储设备，但它们对自己拥有的数据没有做更多的利用。在这样的情况下，我们可以说银行是数据上的富人，却是见解上的穷人。

第7章 资本的衰退

151

这可能是早期习惯的余音，过去数据分析既困难又昂贵。而且银行都是很传统的，它们的观念通常都是保守的而不是冒险的，银行的员工也体现了这种风气。也许，这也强烈地反映了顾客的个人选择：人们不那么信任银行，因此不同意银行利用其收集的海量个人数据来创造新的产品或服务。这也可能是结构性问题：如果一家公司一直致力于通过资金来润滑经济，那么它将很难考虑那些超越其成功的因素，即资金以外的东西。就像全心全意地专注于资金的做法，使银行和相关金融中介机构变成了金融资本主义的核心一样，这种全心全意也限制了人们的想象力，阻止了人们拥抱海量数据的未来。

但有一个反例表明，情况也并不一定真是这样的。早期的投资银行在一个多世纪以前，都是一些帮助公司寻找外部投资的规模较小的合作伙伴，它们也会帮助很多高净值私人客户或大型机构客户确定最合适的投资目标。这些银行相当于媒人，它们的成功取决于它们获取信息的特权。它们与客户保持着长期合作，投资银行的成功与其和合作伙伴心照不宣的默契、与合作伙伴全方位的联系，是分不开的。为了保持良好声誉，很多银行保持了诚实的品格，它们所获得的珍贵的信息也成为机密。从本质上说，它们是数字模拟时代的海量数据信息的中介。

随着时间的推移，银行业开始发生变化，这种变化在20世纪60年代开始加速。究其原因，部分是大型银行开始与传统投资银行竞争。这些新加入者虽然没有信息网络特权，但它们规模巨大，而且更加关注资金流。一些投资银行的应对方法是将自己改造成金融机构，而不是信息机构：它们通过放弃合伙企业、发行上市股票、兼并和迅速扩大规模、大幅提高杠杆作用，也就是将自己变成高杠杆银行，来实现这一点。当2007年次贷危机爆发时，世界上最大的三家投资银行贝尔斯登、雷曼兄弟和美林，都倒闭了，许多投资银行与传统银行合并，行业的大部分领域进行了彻底重组。

数据资本时代

152

然而，有些投资银行拒绝向金融机构方向转移。它们仍然还是信息中介，而且做得很好。今天，越来越多高度专业化的小公司开始利用最新的数字技术，与Con-tix和Kensho等大数据分析公司合作，利用机器学习系统来做投资银行最初所做的工作：提供海量信息，以及有关市场参与者最优投资交易的见解。

这个案例既反映了重塑自我的机会，又反映了其中的危险。我们原本以为，那些专注于资金的银行和其他金融资本主义的核心机构，最终可以转变为创新型的初创企业。现在看来，我们的乐观态度可能会受到打击。但是，我们也可以将这种情况理解为一个暗喻，它暗示了货币市场的兴起和最终衰落，也暗示了优于货币中介机构的信息中介机构将取得最后的成功。我们认为，随着金融资本主义被数据资本主义取代，整个金融服务业可能都会受此影响。风险投资家艾伯特·威格的公司已经投资了从Kickstarter到SigFig等很多金融领域的成功初创企业。他将大数据时代传统银行的命运比作在暴风雨中航行的船：“一艘西班牙大帆船，满载着掠夺来的黄金，在风暴中即将沉没”银行虽然拥有所有资金，但是由于缺少对信息的基本见解，它们无法避开恶劣天气。

第7章 资本的衰退

153

第8章

反馈效应

NP muxins ].f'name"WMBE WikiLovesHer -/ 135005260."end".1538288460,"preferred"1,"thr

2009年6月1日，法航447号航班（空中客车A330客机）从巴西里约热内卢的国际机场起飞，逐渐飞上夜空。法航447号航班上的216名乘客期待着一趟平安的巴黎之旅。

商用客机已经取得了惊人的安全飞行记录，这在很大程度上归功于强大的电脑和训练有素的机组人员，他们一起构成了一个复杂、精密的反馈系统。飞行控制电脑可以处理来自几十个传感器的大量数据，使飞机能够保持在预定航线上飞行（飞机本身就是一个反馈环），而且是安全飞行；而飞行员则负责监控电脑，查看系统提供给他们的关于飞机位置、飞行航线和飞行状态等海量数据。电脑和飞行员可以互相检查—如果有必要，电脑能够忽略可能危及飞机安全的飞行员指令，而飞行员也可以关掉电脑的飞行控制。两种情况都不会经常发生。事实上，电脑已经非常擅长控制飞机（并进行调整以补偿错误的人类指令)，所以飞机制造商将其安装在所有的商用客机上。最终的结果是，大多数时候，电脑负责驾驶飞机，而飞行员则负责盯着电脑。

法航447号航班在飞行的前几个小时就是这样的。然后，在漆黑的夜空中，当飞机接近大西洋上空遭遇雷暴时，飞机速度传感器因结冰停止运转了。电脑意识到这个问题，并且解除了自己的部分控制以便让飞行员接管。飞行员现在可以按照自己的意愿驾驶飞机了，而不需要电脑再次做出预测。我们不清楚出于什么原因，副驾驶决定让机头朝上，向上飞行，尽管当时飞机已经接近飞行高度上限。此举使飞机的飞行速度降低到临界点，飞机面临失速坠落的危险。

电脑发出了警报，有一个声音向飞行员报告“失速”，但飞行员没有做出反应。由于飞机继续不断地向上飞行，失速警报停止了，因为计算机不再相信它接收到的关于飞机处在极端位置的数据，而是认为数据出现了问题(其实不是)。当飞行员试图弄明白状况时，飞行员进入了一个致命的反馈回路：每当飞行员将机头压低时，电脑就会认为关于飞机在上升的数据似乎是可信的，因此发出了失速的警报；当飞行员将机头抬起时，失速警告就停止了这并不是因为飞机没有失速，而是因为失速得太严重了，电脑对数据失去了信任。从某种程度上说，无论人类还是电脑，他们都表现得相当合理。当机器认为数据可信时，它就发出警报，于是人类会对失速警告做出反应。他们绝对没有意识到这架飞机正朝大海坠落。片刻之后，机上所有人员全部遇难。

反馈循环存在两种危险

直到最后，飞行员都在试图弄清楚到底发生了什么事情。在大多数情况下，人机系统的反馈循环都是完美的，即使不完美，它也会容易弥补。但是，基于复杂反馈循环的系统是难以捉摸的：它们在如此多的一般情况下表现得如此出色，以致人们容易忽视，甚至忘记，还有出现极端错误的风险。

第8章 反馈效应

157

70年前，麻省理工学院教授诺伯特·维纳，一位曾经是天才少年的杰出数学家，构想出关于反馈的一般理论，以及反馈在帮助人类和机器控制自己行为方面的作用。反馈回路是维纳系统控制概念的核心，即收集和解释反馈数据，从而控制系统并调整系统目标。维纳认为，只要有足够多的反馈回路，任何系统都可以朝着我们想要的方向前进。从概念上讲，理解机器如何独立工作用今天的话说就是机器如何自动运行，是一个巨大的飞跃。从洲际核导弹（和阿波罗登月的飞行器）的制导系统，一直到现代自适应机器学习系统，反馈理论为这些系统的技术发展奠定了基础。但是，维纳既关注又担心反馈系统的灾难性故障，正如法航447号航班的事故所凸显的那样，事故会由突发情况引发，或者反馈系统的元素会被错误的环路所困。

维纳的系统控制概念也培养了人们对控制的渴望:如果某东西可以被控制，它应该是，而且通常是以集权的方式实现的。数学家在选择术语“控制论”时已经预料到了这一点。这个词来源于希腊语kybernete，意思是“总督”。第二次世界大战后，维纳成为他自己参与发动的控制论革命的最早批评者之一。在他的著作《人有人的用处：控制论与社会》一书中，维纳指出，信息流是由反馈驱动的控制论的关键推动者。他同时对自适应系统公开表示了担心。这种担心不是“因为可能会出现机器主动控制人类的危险”，而是因为系统“可能会被一个人或一群人利用，来加强他们对其余人类成员的控制”。

建立在反馈驱动系统基础上的海量数据市场，也表现出了类似的状况。系统在大多数情况下都能良好地运行，但有时它也会变得非常危险。危险要么是由于系统学习缺乏多样性，要么是由于控制权的隐性集中而造成的。在我们拥抱海量数据市场时，我们必须通过适当的控制措施来防范的就是这两种危险。

数据资本时代

158

市场分散决策变得集中化

市场不仅建立在无数的个人决策基础上，而且是既混乱又无序的，这就是它的本质特征。市场没有中央控制机制，但是就像任何其他社会机制一样，它也不是一个空荡荡的容器。市场的每一个特征，无论是物理的还是社会的，无论是内在关联的还是外部植入的，都可以决定哪些交易会发生。中世纪著名的香槟集市要求商人遵守一套规范，否则他们就会被驱逐，失去交易的机会。

市场行为也会随着市场的物理设计而变化。人们如果给交易广场上的部分区域加上由柱子支撑的屋顶，就会使商人更容易进入或离开交易场所。那些令人印象深刻的曾经遍布欧洲主要城市的交易大厅，其装饰设计可以帮助买家和卖家无须担心恶劣天气。这意味着交易市场在一年中比较寒冷的季节也可以很好地运行，这也决定了交易市场可以卖什么、什么时候卖、由谁卖。

毫无疑问，拥有正确的功能特色的市场比其他市场会更高效一些。虽然塑造市场的许多依据取决于具体情况，但有一些关键原则超越了具体情况。这些原则中最重要的，也许就是决策的分散性。如果违反了这个原则，市场就失去了有效协调人类活动的能力。

不幸的是，在实践中，很多市场随着时间的推移已经变得决策集中化了。在19世纪末的钢铁工业中，少数大型生产商串通一气、操纵价格。同样情况也会出现在有很多卖家却只有一个买家的情形中。举个例子，许多小农户不得不把他们的牛奶卖给当地唯一的牛奶场，所以牛奶场在购买牛奶时就更有定价优势。集中的市场是有问题的.因为它剥夺了许多参与者达成更好交易的机会，而把过多的利润集中于强者身上。

第8章 反馈效应

159