索罗斯的反身理论和汇率分析

简介: 索罗斯的反身理论和汇率分析乔治•索罗斯的核心投资理论就是所谓“反身理论”。简单来说,反身理论是指投资者与市场之间的一个互动影响。索罗斯认为,金融市场与投资者的关系是:投资者根据掌握的资讯和对市场的了解,来预期市场走势并据此行动,而其行动事实上也反过来影响、改变了市场原来可能出现的走势,二者不断地相互影响。

索罗斯的反身理论和汇率分析



乔治•索罗斯的核心投资理论就是所谓“反身理论”。简单来说,反身理论是指投资者与市场之间的一个互动影响。索罗斯认为,金融市场与投资者的关系是:投资者根据掌握的资讯和对市场的了解,来预期市场走势并据此行动,而其行动事实上也反过来影响、改变了市场原来可能出现的走势,二者不断地相互影响。因此根本不可能有人掌握到完整资讯,再加上投资者同时会因个别问题影响到其认知,令其对市场产生“偏见”。

索罗斯在他的著作《金融炼金术》写道:

“参与者的偏向

参与者的思维和所参与的情境之间的联系可以分解成两个函数关系,我将参与者理解情境的努力称为认识的或被动的函数,把他们的思维对现实世界的影响称为参与的或主动的函数。在认识函数中,参与者的认识依赖于情境;在参与函数中,情境受参与者认知的影响。可见,这两个函数从相反的方向发挥其功能,在认识函数中自变量是情境,而在参与函数中自变量是参与者的思维。

两个函数同时发挥作用时,它们相互干扰。函数以自变量为前提产生确定的结果,但在这种情境下,一个函数的自变量是另一个函数的因变量。确定的结果不再出现,我们所看到的是一种相互作用,其中情境和参与者的观点两者均为因变量,以致一个初始变化会突然同时引起情境和参与者观点的进一步变化,我称这种相互作用为‘反身性’。运用简单的数学,反身性可以表述成一对递归函数:

y=F(x) 认识函数

x=Φ(y) 参与函数

所以

y=F[Φ(y)]

x=Φ[F(x)]

这就是我的方法的理论基础。两个递归函数不会产生均衡的结果,只有一个永无止期的变化过程。这个过程从根本上区别于自然科学研究的过程,在那里,一组事件跟随另一组事件,不受思维或认知的干扰(尽管在量子物理学中,观察引入了不确定性)。当一个情境包含思维参与者时,事件的因果联系不再是由一组事件直接导向下一组事件,相反,它以一种类似鞋袢的模式将事实联结于认知,认知复联结于事实,由此,反身性概念产生了一种历史的‘鞋袢’理论。”

索罗斯使用反身理论分析了汇率市场,他在书中写到:

“反身性相互作用在股票市场中是间歇性的,而在货币市场上却是连续的。我试图证明,自由浮动汇率具有内在的不稳定性,并且,这种不稳定性是累积的,因此自由浮动汇率体系的最终崩溃几乎是毫无疑问的。

传统上认为,外汇市场的运动趋向于(货币供求的)均衡点,定值过高的汇率将刺激进口抑制出口,最后汇价将重新回到均衡水平。类似地,竞争能力的改善可以在汇率升高、贸易顺差下降和新均衡建立的过程中反映出来。投机活动不可能扰乱均衡的趋势——假如投机商们正确地预见了未来,他们就促成了均衡;假如判断失误,他们自己会受到惩罚,虽然基本趋势可能会推迟,但终究是不可阻挡的。

在外汇市场上,我们不可能只用两个变量,即使是最简单的模型也要求7个或8个变量。在这里,我选择了4项比率和4个数量指标,其含义分别如下:

e:名义汇率(兑换一单位本币所需要外币的数量;↑e=上升的趋势);

i:名义利率;

p:相对于国外价格水平的国内价格水平(↑P=国内价格增长快于国外价格,反之亦然);

v:经济活动水平

N:非投机资本流动            ↑=流出增加

S:投机资本流动              ↓=流入增加

T:贸易平衡                  ↑=盈余

B:政府预算                  ↓=赤字

接下来的工作就是确定这些变量的相关性。不能奢望澄清所有的关系,只能将讨论局限于建立简单模型所必须的几个关系上。换言之,我们的成果只是对货币运动的部分解释,而不是一个全面的理论。问题的焦点乃是汇率,除非必要,否则不会引入其他变量。每个变量仅仅指明其变化的方向(↑,↓)或量的序(<,>)而不涉及任何指标的定量描述。

汇率是由外汇的供求所决定的。为了研究的方便,我们可以将供求因素归并于三个项目:贸易、非投机资本交易和投机资本交易。由此形成了最简单的自由浮动汇率模型:

(↓T+↑N+↑S)→↓e

换言之,这三个交易项目内的货币交易总额决定了汇率的走向。

投机交易是我们关注的重点,因为它反映了参与者的偏向。投机资本为寻求最大的总回报而不断流动,总回报有三个构成要素:利率差价、汇率差价和当地货币的资本升值。考虑到第三个要素的具体情况千差万别,我们可以提出下面这个一般规律,投机资本为上升的利率和上升的汇率所吸引:

↑(e+i)→↓S

其中,汇率的作用远大于利率。只要币值略为下降,总收益就可能变成负值。基于同样的理由,如果一种升值的货币同时拥有利率优势,其总收益将超出金融资产常规业务中所允许的最大期望。

70年代末,德国马克坚挺(↑e),投机性收购是使其保持坚挺(↓S)和维系良性循环的主要力量。起初,德国贸易顺差,货币坚挺有助于抑制物价,既然出口商品中包含了很大一部分(经过加工的)进口商品,作为名义汇率制约因素的实际汇率,与名义汇率或多或少地保持了稳定(2ep),并且其对贸易平衡的影响是可以忽略的(2T)。由于投机性资本流入占主导地位(↓S>2T),良性循环就是自我加强的:

↑e→↓p→2(ep)→(2T<↓S)→↑e

汇率升值的比例超过了利差,持有德国马克变得有利可图,投机性资本流入既是自我加强的又是水到渠成的。

在里根的良性循环期间,坚挺的美元引起了美国贸易平衡的急剧恶化。与德国在70年代末的情况相比,美国没有贸易顺差作为货币升值的后盾,此外,升值没有产生足够的抑制通货膨胀的效应,货币升值的幅度与通货膨胀率的相对幅度不相匹配。美国的通货膨胀率走低,但别的国家的通货膨胀率也不高,结果是:利率飚升,美国出现了前所未有的贸易逆差。只要美元保持坚挺,持有美元就是有利的,另一方面,只要经常项目赤字与资本项目盈余相匹配,美元就能够保持坚挺。以我们的符号表示:

(↑e+↑i)→(↓S>↓T)→↑e→(↓S>↓T)”

从索罗斯的分析来看,汇率是由供求关系决定的。贸易盈余时,外国需要本国的货币增加,从而购买本币,导致本币需求量增加,进而名义汇率,即本币的价格增加。非投机资本和投机资本的流入都会导致本币的需求增加,从而名义汇率上涨。而名义汇率进入上涨时,持有本币便有利可图,因为可以用外币换成本币,然后等到名义汇率上升到一定程度时,再换回外币,进而赚取汇率差价。因此名义汇率上涨后,投机本币便有利可图,人们预期本币汇率还会上涨,进而使用外币购买本币,投机资本流入。而投机资本的流入,导致本币需求量增加,进而本币的价格增加,即名义汇率增加,又会促使更多的投机资本流入,从而形成汇率市场的反身效应。(如图7-26所示)


7-26 索罗斯的外汇反身理论模型

在德国马克坚挺(↑e)的例子中,投机性资本流入占主导地位(↓S>2T),即贸易盈余、非投机资本流入和投机资本流入中,合力主要为投机资本,从而导致对本币的需求量增加,进而形成了汇率上升的正反馈。

在里根的良性循环的例子中,汇率和利率(↑e+↑i)上升的合力导致投机资本的大量流入,虽然是贸易赤字导致本币的需求减少,但是由于投机资本的流入大于贸易赤字,从而本币需求的合外力大于0,合外力决定结果,所以对本币的需求量增加导致名义汇率上升,进而导致更多的投机资本流入,进一步导致名义汇率上升,从而形成了汇率上升的正反馈。




《可以量化的管理学》全书结构




《可以量化的管理学》封面正面




《可以量化的管理学》封面背面

目录
相关文章
|
7月前
|
算法 数据挖掘
【视频】量化交易陷阱和R语言改进股票配对交易策略分析中国股市投资组合
【视频】量化交易陷阱和R语言改进股票配对交易策略分析中国股市投资组合
|
7月前
|
数据挖掘
R语言主成分、因子分析、聚类对我国城镇私营单位就业人员平均工资数据研究与分析
R语言主成分、因子分析、聚类对我国城镇私营单位就业人员平均工资数据研究与分析
|
7月前
|
机器学习/深度学习 算法
R语言分类回归分析考研热现象分析与考研意愿价值变现
R语言分类回归分析考研热现象分析与考研意愿价值变现
|
7月前
|
数据可视化 Python
R语言无套利区间模型期货期现研究:正向套利和反向套利次数、收益率分析华泰柏瑞300ETF可视化
R语言无套利区间模型期货期现研究:正向套利和反向套利次数、收益率分析华泰柏瑞300ETF可视化
|
7月前
|
算法 数据可视化 数据挖掘
R语言指数平滑预测法分析南京出租车打车软件空载率时间序列补贴政策可行性
R语言指数平滑预测法分析南京出租车打车软件空载率时间序列补贴政策可行性
|
7月前
|
算法 数据挖掘
R语言面板数据回归:含时间固定效应混合模型分析交通死亡率、酒驾法和啤酒税
R语言面板数据回归:含时间固定效应混合模型分析交通死亡率、酒驾法和啤酒税
|
7月前
TMA三均线股票期货高频交易策略的R语言实现
TMA三均线股票期货高频交易策略的R语言实现
|
7月前
|
数据可视化
R语言分析负利率下金融市场:负利率和年金价值的变化
R语言分析负利率下金融市场:负利率和年金价值的变化
|
7月前
|
算法 API
R语言数据的收益率和可能的波动性交易
R语言数据的收益率和可能的波动性交易
|
机器学习/深度学习 算法
大模型如何实现对股票的未来走势预测?
这是一个很好的问题。目前,有很多方法可以预测股票价格,其中一种是使用机器学习算法来预测未来的股票价格。这些算法从平均和线性回归等简单的算法开始,然后转自动ARIMA和LSTM等高级技术。
678 0