假如你有个习惯，每天早晨，在赶从朱利叶市到芝加哥拉萨尔街的列车之前，你都要塞两美元到咖啡自动贩售机里，而咖啡机会找回你两枚硬币，并“吐”出一杯咖啡。但有一天，咖啡机找回你4枚硬币。下个月，同样的机器又出现了三次同样的情况。那么这就说明，一种模式正在形成当中。

如果这是出现在金融市场中的小反常，那么像我这样的曾就职于对冲基金的金融工程师可能就会注意到这件事。金融工程师会研究几年甚至几十年的数据，然后建立一种算法来预测这个循环出现差错——多找回的两枚硬币——的可能性并对此下注。即使只是一个规模很小的模式，也能为第一个发掘该模式的投资者带来数百万元美元的收益。这些模式不断产出大量盈利，直到发生以下任意一种情况：盈利模式消失了，或者市场中的其他人也了解了这个模式，先行者优势消失。到了那个时候，好的金融工程师将会去追踪其他的盈利性的市场反常模式。

探索市场失灵现象就像寻宝游戏，很有意思。当我逐渐习惯于自己在德劭集团的新工作时，我发现退出学术界是个可喜的转变。虽然我喜欢在巴纳德学院任教，也热爱我的代数数论研究，但我发现数学研究的进度实在是太慢了。我希望成为这个快节奏的世界中的一分子。

当时，我认为对冲基金在最坏情况下也只不过是道德中立的金融系统的清道夫。德劭集团算是对冲基金界的哈佛，能在这样的公司工作，并向他人展示我的智慧可以变现，我很骄傲。我的工资增长到了当大学老师时的工资的三倍。刚开始这份新工作的时候，我从未想过自己会站在金融危机的最前线，而数学在其中又发挥了怎样的破坏力。在对冲基金工作，让我得以近距离研究数学杀伤性武器。

起初，我有很多喜欢做的事情。德劭集团的所有业务都是建基于数学之上的。在很多证券公司，交易员操控全局，做大交易，厉声下命令，赚取数百万美元的红利，而金融工程师只是他们的部下。但是在德劭集团，交易员只是普通的行政职员，他们被称作执行者，真正掌握全局的是金融工程师。我所在的十人团队是“期货组”（futures group）。在一个一切都取决于明天发生什么的行业，还有什么能比未来更重要呢？

我们公司大约有50个金融工程师。早期，除了我之外，其他人全是男性，而且绝大多数都不是美国人。很多人都来自理论数学或者理论物理领域；少部分人，比如我，来自数论领域。但是，我没有太多机会和他们进行专业上的交流。因为我们提供的想法和算法是对冲基金的业务根基，所以很显然我们这些金融工程师也是一个风险因素：如果我们离职了，我们可以用我们的知识快速为原东家打造一个凶猛的竞争对手。

为了防止这种风险大范围发生对公司造成威胁，德劭集团几乎完全禁止我们和其他组的同事讨论业务，有时候甚至和自己办公室的同事讨论都是不被允许的。从某种意义上来说，信息被隔绝在一个个网络细胞单元里，和基地组织也没什么差别。这一制度的作用是，如果一个细胞崩塌，换句话说，如果我们中有人突然投奔桥水基金或者摩根集团，或者自己创立公司，我们只能带走自己的知识和信息，而不至于影响德劭集团其他业务的正常运转。可以想象，这种做法将保证整个团队的士气不受影响。

期货组每一个新来的同事在入职后的前13周都被要求随时待命。这意味着，从亚洲市场开市起（美国时间是星期天晚上），到下一周的周五下午4点纽约市场收市，期间新同事要随叫随到以便处理各种问题。睡眠剥夺只是副作用之一，更糟糕的是在解决问题时因为信息不共享的公司制度而形成的无力感。比如，某个模型的算法可能出了问题。此时，我必须要找到出问题的那部分算法具体是什么，然后再去找它的负责人。而无论白天黑夜，相关负责人都要过来解决问题。因为这种麻烦事而打扰别人的情况时有发生，因此同事间互相碰面的情景总是不那么愉快。

还有各种慌乱的时刻。假期期间，很少有人工作，而麻烦事往往会在此时发生。在我们巨大的投资组合里会有各种金融产品，包括远期外汇交易，也就是承诺在未来几天大量购买外汇。我们并不需要客户真的付钱完成交易，而是会每天将交易日推迟一天，这样我们就能继续进行对于市场涨跌的判断，同时我们也不需要拿出大量的现金。在某个圣诞节假期，我发现一个购买大笔日元的交易的交易日快要到了，正常而言，此时必须有人去推迟交易日。这项工作以往是欧洲一个同事负责处理的，但他正和家人一起过圣诞节。如果没有人及时处理这个问题的话，理论上来说，我的同事就必须亲自携带5000万美元前往东京购买日元。摆平这个问题花了我很大的力气，也彻底毁了我的圣诞假期。

如果说这些问题只属于职业性危害，那么真正的问题更让人感到恶心。我已经习惯于在海量货币、债券、股票以及国际市场中的数万亿美元里进行各种操作。但是，与我的学术模型里的数字不同，商业模型里的数字是有实际意义的，它们是人们的退休基金和抵押贷款。现在回想看看，这似乎是一个极为显而易见的事实。当然，我一直知道这个事实，但从前我并没有真正领会其本质。我们利用数学工具搜刮来的每一分钱，它们不是从矿山里面挖出的金砖或者从西班牙沉船里捞出的硬币那种意外财富，它们是人们辛苦挣来的钱。而在华尔街那些自鸣得意的对冲基金投资人那里，这些血汗钱被称为“傻瓜资金”。

2008年市场崩盘时，这一丑陋的事实彻底暴露了。而比从民众的账户里窃取傻瓜资金更卑劣的是，金融行业正在致力于开发更有效的窃取资金的数学杀伤性武器，我也是其中的一分子。

其实麻烦早在2007年就出现了。2007年7月，银行间同业拆借利率上调。在2001年“9·11”恐怖袭击事件导致的市场萧条发生之后，低利率助推了房地产市场的繁荣。似乎任何人都能轻易申请到抵押贷款，房地产建筑商大规模开发郊区、沙漠和草原，银行把大量资金投入到了和房地产热潮有关的各种金融工具上。

而利率上调发出了危机即将到来的信号。银行间不再信任彼此有能力偿还隔夜贷款。它们开始慢慢地处理自己的投资组合中的“危险垃圾”，并明智地做出判断：其他银行也正面临着，即使不是更多，也是同样多的风险。现在回头看，你可能会说，利率上调其实是市场回归理智的一个信号，尽管已经太迟了。

对于德劭集团，这些前期的波动影响很小。的确，许多公司陷入水深火热之中。银行业即将遭受冲击，而且很可能是特别大的冲击。但这不是我们的问题，我们从不草率地投入风险市场。毕竟，对冲基金的本质就是对冲风险。早期，我们称这次市场波动为“混乱”。对于德劭集团而言，这场混乱可能会造成一些不适，或者带来一两个不愉快的小插曲，但这都不是什么大问题，就像一个有钱男人在高档酒店刷不了自己的信用卡一样，只是一点点小尴尬而已。

毕竟，对冲基金并没有制造这些市场，只是参与其中。这意味着，当市场崩盘时，市场废墟会产生大量的机会。对冲基金并不是要驾驭市场，而是要预测市场的动向。市场下跌也同样有钱可赚。

想象一下芝加哥瑞格利球场的世界职业棒球大赛。由于在第9局的最后打出了一个戏剧性的全垒打，芝加哥小熊队赢得了1908年以来的第一个世锦赛冠军奖杯，他们上一次夺冠还是在西奥多·罗斯福总统任职期间。体育场的绝大部分观众欢呼雀跃，只有几排球迷坐在那儿安静地分析比赛数据。这些人不像传统的赌球者只赌比赛输赢。相反，他们会赌扬基队的投手会更多地打出三振出局而非更多地上垒，会赌这场比赛可能至少会出现一个短打，但是不会超过两个短打，或者赌芝加哥小熊队首发球员的在场时间将持续至少六局。他们甚至会赌其他的下注者是赢还是输。这些人押注赛事的众多相关方面，但不押注比赛结果本身。他们所进行的赌注就类似于对冲基金的运作模式。

这种做法让投资人感到安全，或者至少比不进行对冲操作的投资安全。我记得在某个盛大的公司活动上，公司邀请了美联储前任主席艾伦·格林斯潘和克林顿总统任职时期的财政部部长、高盛集团董事罗伯特·鲁宾。1999年，鲁宾参与推翻了于20世纪30年代“大萧条”时期美国国会通过的《格拉斯–斯蒂格法案》，致力于拆除银行业和投资业中间的屏障，这带来了接下来近十年商业、股市投机买卖的盛行。银行可以自由贷款（很多是欺诈性贷款），以证券的形式将贷款卖给客户。这看起来很正常，而且可以看作银行为客户提供的一项服务。但是，由于《格拉斯–斯蒂格法案》已经被推翻，银行现在可以对赌卖给客户的债券了。这为客户带来了巨大的风险，也为对冲基金创造了无尽的投资机会。毕竟，我们赌的是整体市场走势，而那几年里，整个市场疯狂上涨。

在那次盛会上，格林斯潘警告过我们资产抵押债券的问题。后来我总是回想起他的警告，因为我意识到，几年之后被任命为花旗银行董事长的鲁宾在银行的大量投资组合中纳入了大规模的此类债券，这也成为后来花旗银行陷入巨额亏损，不得不求助于政府用纳税人的钱为其纾困的主要原因。

坐在他们旁边的是鲁宾的部下，也是我们公司的兼职合伙人拉里·萨默斯。他以前在财政部是鲁宾的部下，后来出任哈佛大学的校长。但是萨默斯和学校教师的关系并不好。教授们对其言论提出了集体抗议，拉里称，数学和自然科学专业的女学生数量较少，是遗传基因所致，他称之为“天资”的不公平分配。

萨默斯从哈佛大学离职以后就来了德劭集团。我记得德劭的创始人大卫·肖开玩笑说，萨默斯从哈佛离职来到德劭是“升职了”。尽管市场可能正处在震荡时期，但是德劭集团依然风生水起。

然而，随着金融危机加剧，德劭集团的合伙人开始担忧了。毕竟，所有的市场都是紧密联系在一起的——大家都是一条船上的人。当时，业内盛传雷曼兄弟已处在破产边缘，而雷曼兄弟持有德劭集团20%的股份，我们的很多交易都是交由雷曼兄弟处理的。由于市场持续动荡，德劭集团内部开始人心浮动。是，我们仍然可以用强大的模型处理大量的数据，但是，如果可怕的明天和之前的每一天都不一样了怎么办？要是明天的一切都变了呢？

这的确值得忧虑，因为数学模型的本质是基于过去的数据推测未来，其基本假设是：模式会重复。不久之后，公司的“股票组”团队以极大的代价抛售了大量股票。一直持续的金融工程师招募热潮也结束了。虽然人们仍在试图对这些新变化一笑了之，但是恐惧在增加。所有人都在盯着证券产品，尤其是格林斯潘警告过我们的资产抵押债券。

几十年来，抵押证券一直很安全。抵押债券是一种金融工具，个人和投资基金利用资产抵押债券增加其投资组合的多样性，其原理就是增加投资品种的数量可以抵消风险。每一笔房屋抵押贷款都有违约的风险：比如房主宣布破产，这意味着银行再也收不回贷出去的全部资金；另一种极端情况是贷款人提前偿还抵押贷款，终止付息。

所以，在20世纪80年代，投资银行家开始购买成千上万的房屋抵押贷款，并将其打包成一种债券，也即一种为客户按季度定期支付股息的金融工具。可以肯定有少数房主会违约，但是，大多数人还是会持续支付房屋抵押贷款，创造稳定并且可预期的现金流。随着时间的推移，这些债券发展成一个产业，成为资本市场的支柱。专家把抵押贷款分成不同的类别或组别，一些被认为很安全，另外一些则更具风险性，相应的利率也就更高。投资者有理由充满自信，因为标准普尔、穆迪和惠誉等信用评级机构已经研究过这种债券，并给出了相应的风险评级。这些评级机构认为购买抵押债券是明智的投资。但值得注意的是，这种债券并不是透明的。投资者对于债券中抵押贷款的质量是不明的，他们对其唯一的一点了解就是信用评级机构给出的评级。而这些信用评价机构给出的评级实际上并不诚实，它们会向有金融产品要评级的公司收取相应费用而给出虚高的评级，其中，资产抵押债券无疑是一个理想的诈骗平台。

如果你想要我给你打个比方，针对这一债券，最常见的一个比喻就是香肠。你可以把房屋抵押贷款想成一片片质量参差不齐的肉，把资产抵押证券想成一捆捆的香肠——把所有东西搅拌在一起，外加一些刺激性的调味料，香肠就做成了。显然，香肠质量不一，而且从外表很难看出香肠的原料如何，但是因为美国农业部说这是安全食品，我们便毫不担心地吃下去了。

后来，人们了解到，在市场繁荣时期，抵押贷款公司通过给买不起房子的人们发放贷款赚取了巨额利润。策略很简单，就是与客户签订一张不可连续签订的抵押贷款合约，收取大额费用，然后将其包装成证券（制作成香肠）投放到繁荣的抵押证券市场。有一个臭名昭著的案例是，草莓采摘工人阿尔贝托·拉米雷斯每年的收入约在1.4万美元，他通过贷款在加州大牧场地区买了一套售价72万美元的房子。他的房产经纪人明确告诉他，他几个月以后就可以重新贷款，而且可以通过炒房赚取大额差价。而几个月以后，他就陷入了拖欠贷款的麻烦。

在房地产市场崩溃的前夕，抵押贷款银行不仅频繁地提供这种不可持续的交易，而且还积极地在贫困社区和少数族裔聚居区中寻找受害者。在一个联邦诉讼案件中，巴尔的摩市的官员指控富国银行针对黑人社区进行所谓的“贫民区贷款”。据负责处理贷款业务的前银行工作人员贝丝·雅各布森透露，富国银行的“新兴市场”部门专注于面向黑人教堂拓展业务，即让受人信任的牧师引导其教民向银行贷款。这些贷款都是次级贷款，利率最高。富国银行甚至会用这样的方式将钱贷给那些信用可靠的借款人，而后者本应该有资格获得更优惠的贷款。到2009年巴尔的摩市的官员提起诉讼的时候，有超过一半丧失赎回权的房产被富国银行收回，其中71%的房产位于非裔居民聚集区。（2012年，富国银行解决了诉讼，同意向全美各地的3万受害者支付共计1.75亿美元的赔偿。）

需要澄清的一点是，在房地产市场繁荣时期累计起来的次级贷款，不管是加州草莓采摘工人的房屋贷款还是巴尔的摩市黑人教民的贷款，并不是数学杀伤性武器。次级贷款是金融工具而不是评估模型，和数学没什么关系。（实际上，贷款经纪人会尽量避免为客户提供任何精确的数字，以免其发现端倪。）

但是，当银行开始把阿尔贝托·拉米雷斯的抵押贷款包装成证券出售时，银行进行此类操作所仰赖的就是有缺陷的数学模型了。此时，资产抵押证券的风险评估模型就是一个数学杀伤性武器。银行知道有些抵押贷款借款人是肯定无法偿还贷款的，但是银行依然坚持了两个错误的假设，以维持它们自己对这个系统的信心。

第一个错误的假设：这些基金和投资机构的顶尖数学家会努力运算大量数据，极其认真地平衡风险。这些债券都是被专家们用最前沿的算法评估过风险的产品。不幸的是，事实不是这样的。和很多数学杀伤性武器一样，数学以造福广大消费者为表象，其实质则是最大化卖家的短期利润。卖家相信他们会在价格下跌前卖掉这些证券。聪明人的确能从中获得盈利，而提供傻瓜资金的“傻瓜们”手里拿的则是总计高达数十亿（甚至万亿）无法兑现的借据。即使是严谨的数学家，其研究的数据也可能是由制造了庞大骗局的人提供的。只有极少的人有能力和必要的信息了解模型背后的算法究竟是怎样的，而大多数业内人士都不愿开诚布公，告诉大家发生了什么。证券风险评级在最初就被设计成一种不透明的、令人望而生畏的复杂系统，这样一来，买家就无从意识到他们手中的债券其风险性的真实水平。

第二个错误的假设：不会有很多贷款人在同一时间违约。这一假设是基于如下理论提出的：贷款违约大部分是随机的、不相关的事件。（事实证明，这一理论毫无根据，很快就被推翻了。）人们因此认为固定抵押贷款可以抵消所有的违约贷款损失。在过去，这一观念的确有其事实依据，而风险模型只假定未来将与过去一致。

为了卖掉这些资产抵押证券，银行需要得到AAA评级。为此，银行需要求助于三家信用评级权威机构。随着市场扩张，对不断增长的抵押贷款债券市场进行证券评级对评级机构来说变成了一笔大买卖，能为其带来丰厚收益。它们热爱由此带来的收益。三家评级机构很清楚，如果它们给出的评级低于AAA，就等于是把一大笔收益拱手让给了竞争对手。所以，评级机构与银行“狼狈为奸”。评级机构更关注其主要客户（银行）的满意度，而不是模型的精确度。这些风险模型也造成了恶性循环。给次级信贷以AAA评级换取巨额收益，而高收益又造成了人们对这种产品以及整个欺骗造假过程的盲目信任。整个肮脏的商业运作就这样制造出了“互惠互利”的恶性循环，直到崩溃。

在数学杀伤性武器的所有特点当中，将风险模型转化为世界性的破坏力量的是规模化。在之前的房地产泡沫中，被蒙在鼓里的买家最终可能会得到一块沼泽地和大量的虚假契约。而这一次，借助现代电脑运算能力进行的欺诈造成了史无前例的破坏。其他靠资产抵押贷债券发展起来的巨大市场也做出了自己的“贡献”：信用违约掉期市场和综合债务抵押债券（简称CDO）市场。信用违约掉期可被看作一种金融资产的违约保险。这些掉期交易给银行和对冲基金带来了安全感，因为银行和对冲基金理论上可以用掉期交易来平衡风险。然而，一旦持有这些违约保险的机构破产，其造成的连锁反应会使全球经济遭到重创。综合债务抵押债券破坏力更甚。这是一种其价值取决于信用违约掉期以及资产抵押债券表现的债券，其给予了金融工程师们更大的操作权限。

过热（直至崩溃）的资本市场在2007年年底累积了价值三万亿美元的次级贷款，相关市场——包括信用违约掉期市场和综合债务抵押债券市场——中的次级贷款体量则是前者的20倍。没有哪个国家的整体国民经济的体量可以与之匹敌。

矛盾的是，那些创造了这些市场的强大算法，那些分析债务风险并将其包装为债券的算法，在清理混乱局面和计算所有债券的实际价值时变得毫无用处。数学能让谎言和骗局不断繁殖，但不能破译它。这是人类的工作。只有人可以筛选出风险低的抵押贷款，筛掉虚假承诺和一厢情愿的想法，把真金白银投入于购买贷款。这是一个艰苦的过程，因为一方面，与数学杀伤性武器不同，人类无法呈指数级地提高自己的工作效率，而另一方面，对于整个资本市场来说，完成准确的筛选和投资并不重要。在长期的“排毒”过程中，债务的价值以及债务所依赖的房产价值不断下降。而随着整体经济急转直下，即使是在危机发生时能够负担得起按揭贷款的房主，也可能会突然面临违约风险。

正如我所提到的，德劭集团本来和市场崩溃的震中有一段距离。但随着同行都开始走下坡路，它们疯狂地撤销了那些会直接影响我们客户的交易，这引起了连锁反应。在2008年的下半年，我们公司在各方面都出现了损失。

在接下来的几个月里，灾难终于波及资本市场的核心。大家终于看到了站在算法对立面的人——失去家园的绝望房主以及数百万丢了工作的美国民众。信用卡违约率创历史新高。被数字、电子表格和风险评级遮挡住的人类痛苦变得清晰可见。

2008年9月雷曼兄弟破产以后，公司内部开始讨论整场危机会带来的政治影响。当时，奥巴马有望在11月赢得选举——他会颁布新法规重整产业吗？会对附带权益提高税率吗？我们这些人也许并不会失去房子或者为了继续还贷刷爆信用卡，但大家仍有很多担忧。而唯一的选择就是等待，让说客去做他们的工作，寄希望于继续从前的一切。

到2009年，可以清楚地看到，市场崩溃的教训完全没有给金融界带来新的发展方向，也没有引入新的价值判断标准。大部分说客都成功了，而游戏依然如故：说服傻瓜资金的投入。除了几条新规定之外，一切照常。

整场闹剧让我陡然醒悟。我对数学在其中所扮演的角色极其失望。我被迫面对这个丑恶的事实：从业者只会故意使用公式唬人，而不是用公式来澄清事实。这是我第一次直接面对数学杀伤性武器这个可怖的概念，这让我想要逃避，回到证明题和魔方的世界。

所以，我于2009年离开了对冲基金，深信自己将致力于修正金融领域的数学杀伤性武器。新的法规迫使银行聘请独立专家分析证券风险。因此，我去了为银行提供风险分析服务的公司RiskMetrics集团（简称RMG），其位于华尔街以北的一个街区。我们的产品就是海量数据，每一个数据都旨在预测在下一周、下一年或未来五年，某些证券或大宗商品期货发生亏损的可能性。当几乎每个人都把钱押在了市场中的差不多每一件事物上时，准确的风险分析值得高价购买。

为了计算风险，我们的团队采用了蒙特卡罗模拟法。想象一下，你在赌场里玩了一万次轮盘赌，并且仔细记录下来了每一次的结果。蒙特卡罗模拟法也类似，你通常会从历史市场数据入手，运行数千个测试场景。自2010年或2005年以来的每个交易日，我们所研究的投资组合表现如何？它会在金融危机最黑暗的日子里幸存下来吗？在未来的一两年里，出现致命威胁的可能性有多大？为了给出这些事件的发生概率，数据科学家进行了成千上万次的模拟计算。这种方法有很多不足之处，但它仍是一个评估你的投资组合的风险性的简单方法。

我的工作是担任公司风险管理项目和量化对冲基金（拥有最多最挑剔的风险鉴定专家的机构）经理之间的联络人。我会打电话给对冲基金的管理人员，或者他们会打电话给我，我们会讨论他们对我们给出的数字存在的疑问。但是，在通常情况下，只有当我们犯错误的时候，他们才会联系我。事实上，对冲基金的管理人员一直认为自己是聪明人中最聪明的那群人，并且，因为理解、评估风险是他们存在的根本，他们轻易不会依赖像我们这样的“外部人士”。他们有自己的风险管理团队，他们主要是为了给投资者留下好印象才购买我们的产品的。

我有时也会接到来自大银行客户的咨询。他们渴望恢复在金融危机受损的名誉，希望再次被大众视为负责任的银行，这也就是他们打电话的主要目的。但是，与对冲基金经理不同，他们对我们的分析没有什么兴趣。他们几乎无视了其投资组合中存在的任何风险。在我与这些客户的整个对话中，我始终难以摆脱一种感觉，那就是警惕风险的人被他们视为“扫兴者”，或者更糟糕，被视为对银行经营底线的一种威胁。即使是在2008年灾难性的金融危机业已发生之后，情况仍未有任何改善。不难理解其中的原因：如果各家银行在如此大的危机中都能幸免于难——因为它们太大而不能倒闭，那么为什么他们现在要担心自己的投资组合存在风险呢？

拒绝承认风险的存在在金融领域已经根深蒂固。华尔街的文化是由交易员定义的，对于风险，他们倾向于尽可能地低估。而这又源于我们对交易员能力的评估方式，即评估他们的“夏普比率”（Sharpe Ratio），该比率是由他们所创造的利润除以其打造的投资组合中的风险计算得来的。夏普比率对交易员的职业生涯、年度奖金、权威性至关重要。如果你将一名交易员视为一组算法，那么，这组算法将不遗余力地致力于优化夏普比率。理想的情况下，随着经验积累，夏普比率会逐步攀升，或者至少不会降至太低。所以，如果一个针对某项信用违约掉期的风险报告针对某个交易员所操作的某类关键资产调高了风险评级，则该交易员的夏普比率就会下降，其年终奖金可能会骤减数十万美元。

我很快就意识到我在做无用功。2011年，到了再次做出改变的时候了，我看到了一个需求像我这样的数学家的巨大市场。我第一次在写简历的时候自称数据科学家，随时准备投身互联网经济。我在一家名为意向媒体（Intent Media）的位于纽约的初创公司找到了一份工作。

我开始建立模型预测各个旅游网站的访问者的行为。模型关注的关键问题是，搞清楚浏览Expedia酒店预订网站的人是单纯地浏览还是真的准备在上面花钱。那些没有消费打算的人的行为对于公司的预期收入几乎毫无价值。对于这部分用户，我们的做法是向其展示比较广告，比如Travelocity或Orbitz等竞争对手的广告。如果他们点击了广告，我们就会得到几便士——有总比没有好。但是，我们不想将这些广告推送给确实有消费打算的用户。在最糟糕的情况下，我们可能为了一分钱的广告收入而将潜在客户送给了竞争对手，而他们也许会在竞争对手的网站上为预订其在伦敦或东京的酒店房间消费数千美元，这相当于需要成千上万次的广告点击才能弥补回来损失。所以留住这些潜在客户很重要。

我面对的挑战是设计一种算法来区分随机浏览的用户和潜在消费者。有几个明显的信号：他们是否用自己的账号登录了网站？他们以前在网站消费过吗？我也试着搜寻了其他提示，比如一天中的什么时间，一年中的哪些天是消费高峰？一年中的某些时段是用户集中消费的日子。例如，阵亡将士纪念日（5月的最后一个周一）那一天就是一个消费高峰，很多人都会在这一天制订他们的夏季出游计划。我的算法会在这一时段给浏览用户更高的权重，因为他们在这些时段更有可能转化为消费者。

事实证明，对冲基金的金融分析和电子商务的数据统计工作是高度可转换的——最大的区别是，我现在预测的是人们的点击行为，而不再是市场动态。

事实上，我看到了金融产业与大数据产业之间的多种相似之处。这两个行业都吸收了相同的人才，其中大部分来自麻省理工学院、普林斯顿大学或斯坦福大学等精英大学。新晋员工渴望成功，而外界对他们的关注则始终集中于两个关键指标——高考分数和被录取的大学。无论是在金融领域还是在科技领域，他们收到的信息都是，他们将会变得富有，他们将会掌控世界。他们的生产力也表明，他们正走在正确的轨道上，他们将得到实实在在的收益。这些都导向了一个错误的结论：无论采取什么手段，只要赚取了更多的钱就是好的。更高的收入能为其“增值”。不然的话，为什么市场会奖励这种行为呢？

在这两种行业的文化中，财富不再是生活必需品，它直接与个人价值挂钩。一个占尽各种优势的出生于中产阶级社区的年轻人——拥有良好的学前教育背景，在大学入学考试前能得到详尽的升学指导，能轻松获得前往巴黎或上海交流学习的机会——依然自认为，他是依靠自己的能力、辛勤工作和惊人的解决问题的能力进入特权世界的。财富能证明一切。而他的交际圈子则形成了一个相互钦佩、逐步固化的团体。这类人迫切地想让我们相信，这个世界的运作法则是优胜劣汰，但在外人看来，他们只不过是钻了体系的漏洞和运气好罢了。

在这两个行业中，现实世界的复杂性都被搁置一旁，从业者倾向于用数据代替具体的人，致力于把大众转变成更有效的消费者、选民或工人以达成某个自私的目标。当模型成功地以匿名得分的形式出现时，当模型受众对从业者而言仍然只是屏幕上跳动的数字时，这一切都是很容易做到，也很容易被认为是正当且合理的。

当我开始在数据科学领域工作的时候，我便开始写博客了，而且我也越来越多地参与到“占领华尔街”运动之中。我越来越担心技术模型与现实世界中的有血有肉的个体的相互分离的趋势，以及这种分离带来的道德影响。事实上，我在数据、科学领域看到了我在金融领域见到过的同样的模式：一种盲目的安全感导致的不完善模型的广泛应用，模型对于评估效果的自我定义，以及加速恶化的反馈循环。而与此同时，模型的反对者被认为是落后的科技恐慌分子。

我想知道在大数据领域是否存在发生类似于信贷危机的可能性。我看到的不是破产，而是一个越来越糟糕的社会，社会不平等正在加剧。那些复杂的算法被用于确保失败者保持失败者的角色。幸运的少数派将获得对数据经济的更多控制权，掠夺惊人的财富，并说服自己值得拥有这一切。

在大数据领域工作和学习了几年后，我差不多彻底醒悟了，我意识到数学被滥用的程度正在急剧恶化。尽管我几乎每天都在写相关的博客，但人们被算法操控和恐吓的方式依然令我应接不暇。我们最开始讲的是受苦于教师评估增值模型的华盛顿的中学老师，但故事远并没有就此结束。而我自己因为太过于震惊数学杀伤性武器的破坏性，也已经辞掉工作，开始专心探讨这个问题。 ZNdm/r4THNPgswWq5w6D0+TODjsG2Ot4TUhr4TaOzyDmEWijnx2OH6MxxJu37iE+