根據Numerai公司Crunchbase資料庫的自我介紹，他們是一種「新型態的避險基金」，他們提供了一個平台讓資料科學家可以遞交由機器學習（Machine Learning）所產生的價格預測數學模型。不同模型會在平台上競爭並且根據預測準確度更新排名，基金則會根據所有模型的相對表現混合運用以進行投資和交易，資料科學家則會根據他們提交的數學模型的表現得到位元幣作為報酬。
最有趣的是官方強調這是一個「無需信任機制（trustless）」的平台，所有的資料科學家無需提供任何個人資料，完全匿名，平台提供的交易標的價格、交易量相關大數據也全部加密，資料科學家無需在乎（也無從得知）交易標的的背後是石油能源公司債券或者雲端科技公司股票，只要用數據去訓練自己的數學模型即可，就連報酬也是用完全匿名的位元幣。
本文落筆之時，Numerai官方網站上顯示該平台已經做了超過三百億組價格預測，筆者擷取上圖時排名第一的PANCONTOMATEN模型有著最低的對數損失值（log loss），累積賺入的金額只有五十美元左右，但顯然該模型上傳開始交易還沒多久，因為年化回報其實已經達到五萬四千美元。相對地，排名第八的MANGO模型雖然已經累積為其創造者賺入了一千三百美元，但年化收入只有四千美元左右，很顯然模型的準確度在這個時間點上遠遠不如於PANCONTOMATEN。
表面上看起來，這些批評主要圍繞著回報率不如預期。避險基金的回報率要如何評估向來是個很大的課題，因為真正的對沖避險基金追求的（或者假裝追求的）是「市場中性（market neutral）」的「絕對回報（absolute return）」。用白話文來說就是不管市場起起落落，避險基金都要能產生與市場無關的獲利，在金融的世界中這樣的獲利被稱為alpha，也是知名金融投資分析網站Seeking Alpha名字的由來。
既然獲利與市場無關，那麼避險基金的投資風險水位就很難用傳統的CAPM模型（資本資產定價模型）去評估——當一個市場中性的避險基金產生20%的淨回報時，我們很難評估這樣的回報合不合理，夠不夠高，因為其對應到的風險難以估算。
（相關報導：
楊建銘專欄：SPOTIFY的最後一搏？
｜
更多文章
）
以現實來說，避險基金在2008年以來的獲利是遠遜於標準普爾五百指數的。避險基金管理人們當然高喊著他們與市場無關，所以不能直接和市場比。但有很多研究報告指出許多的避險基金做的早就不是「市場中性」的生意，更多做的是「積極型投資人」的賭博，也就是尋找出認為可以透過「誘發事件」改變股價的股票，先透過槓桿投資佈局，取得一定股權後，再公開向標的公司董事會和執行長喊話，要求分拆事業或者關閉事業，否則要發動股權鬥爭之類的，知名投資人Carl Icahn和David Eihorn都屬於這類投資人。
跟上面這些爭議比起來，CALPERS 之類的資產管理人退出避險基金的最大原因還是在於避險基金的費用。
和風險資本基金一樣，大多數避險基金收費結構是所謂的2–20結構：「2%年管理費，20%淨利紅利」。但由於避險基金多半的投資標的流動性較風險資本基金投資的新創高很多，有市價可以遵循以估算資產價值，而避險基金的複雜數學模型特色，讓許多明星管理人得以用「我前一支基金幫客戶賺了遠超過預期以上的倍數，因此我這支基金的淨利紅利必須收取40%」之類的理由收取驚人的紅利水位。
收了一大堆費用，結果這八年來的表現還不如大盤，難怪資產組合管理者們會開始用腳投票。
這間成立了超過三十年的避險基金甚至不以「資本（Capital）」為名，而是自稱「科技公司（Technologies）」，不同於許多常在媒體上出現的明星基金管理人，這間公司長期而低調地為其基金投資人賺入驚人的回報，靠的不是穿著亞曼尼西裝、帶著百達翡麗名錶的前投資銀行家們，而是戴著厚重眼鏡、領帶都打不好的電腦科學家、數學家、計算機語言學家和統計學家——目前公司三百名員工裡就有九十位是擁有這幾個領域的博士學位的專家。
在上面這支Numerai官方宣傳影片中，文藝復興科技的共同創辦人Howard Morgan也現身為這個年輕公司背書，儘管Numerai 也有可能成為文藝復興科技的對手。這種惺惺相惜的事情，在吃人不吐骨頭的華爾街是很罕見的，在這裡出現的原因，當然是因為這些人比起華爾街那些玻璃帷幕大廈來說，更常在積滿灰塵的大學圖書館裡出沒的關係。
如果避險基金可以用最佳的數學模型操作，那麼理論上所有擅長於數學的人都應該可以進行避險基金操作——這是Numerai創辦人Richard Craib的願景。但現實是基金的募集和交易的執行等都是相當高的進入障礙——就像麥可・路易斯的『大賣空』一書中、來自柏克萊的柯恩威爾資本管理公司一樣，他們得辛苦取得一些「入場券」，才能交易他們想要交易的特殊資產。
另外一個進入障礙是用來產生模型的金融數據資料庫，大部分的避險基金都自己建立私人專用的金融數據資料庫，並視其為自己的競爭優勢之一。再好的數學家和資料科學家，沒有足夠大量和優質的資料來訓練他們的數學模型，也是白搭。
Richard Craib認為上面這些進入障礙的問題都可以透過「Crowdsourcing 」來解決——Numerai統一募集基金，設立交易機制，然後再透過網路平台不斷提供更多最新的金融數據資料給所有參與平台的專家們，讓他們反饋訓練出來的模型到平台上，基金再自動根據這些模型的準確度混合交易，然後按比例將賺得的收入回饋給提供數學模型的專家們。
（相關報導：
楊建銘專欄：SPOTIFY的最後一搏？
｜
更多文章
）
理論上Numerai釋放了全世界所有的數學黃金大腦，這些專家可以是躲在世界任何角落、沒有學過經濟學或者金融理論的怪胎，他們所拿到的金融數據全部加密和匿名，只有一堆數字，他們只要用機器學習去建立模型，試圖預測未來走勢，就能夠參與避險基金操作。
另一個有趣的是Numerai似乎解決了避險基金的費用問題：透過讓任何能夠開發出更精準的數學模型的怪胎參與利潤分享機制，這個避險基金不存在GP和LP那些面紅耳赤的爭論，一切都簡化成一翻兩瞪眼的電腦數據——這不只會是避險基金管理人的末日，也會是【大賣空】理想國的冷酷異境！
當然Numerai還有很多挑戰要面對。其中之一是：既然模型是來自四面八方，不斷更新，基金的投資交易也就會非常頻繁，交易費累積起來會相當可觀，一不小心可能會吃掉所有的獲利。
另外更根本的存在性意義問題是：這些讓人心炫神馳的結構，都只是為了交易金融資產，並沒有產生額外的經濟價值。有人會說金融資產的價格正確度是健全的資本市場的關鍵，有健全的資本市場才能促進商業繁榮。但在華爾街的歷史上我們看到「純粹金融交易」一而再再而三地催生泡沫，引爆各種社會結構性的問題，摧毀經濟價值，如果更多的交易交由人工智慧所產生的數學模型去執行，難道不是一種尾巴搖狗的現象？
最後，當所有的數據都匿名、都被加密，這代表的是訓練出來的數學模型正是我們在金融理論中稱呼的「線型分析派（chartist）」。相對於「基本面分析派（fundamentalist）」，傳統上「線型分析派」是被批評為無法長期有效擊敗大盤的，價值長期一定會回歸基本面。但如果引入人工智能和如Numerai 提供的短期誘因，可以想像線型分析派將會主導越來越多的交易量，產生越來越多根據他們的模型所預測的價格，從而自我肯定模型的準確度，進而讓市場與基本面越來越分離。而如果市場價格真的開始與基本面分離，自己形成一種獨立邏輯，那麼前述「尋求正確價格」的優點就不復存在了。
最後一點讓我對Numerai感到興致盎然的，投資Numerai管理公司的是風險資本家，是傳統上與避險基金站在資產類別最為對立的另一端者。Union Square Ventures的合夥人們再怎樣聰明，畢竟不是市場金融的數學專家，他們進行此一投資的根據顯然是對於人工智慧的信任，而不是基於市場金融理論。
同樣對於人工智慧的信任，也讓Union Square Ventures大力鼓吹Universal Basic Income這樣社會主義的概念——單單由人工智慧竟然可以同時衍生社會主義和極端資本主義的概念，我想遲早我們會需要新的主義來定義。
＊作者台灣大學電機畢業，在台灣、矽谷和巴黎從事IC設計超過十年，包含創業四年。在巴黎工作期間於HEC Paris取得MBA 學位，轉進風險投資領域，現為Hardware Club合夥人
