信贷危机、人工智能等问题令努里尔·鲁比尼 (Nouriel Roubini) 和桑德·格伯 (Sander Gerber) 感到担忧

在最近的一次炉边谈话中,这位经济学家兼对冲基金经理还讨论了泡沫市场和“已知的未知因素”。

艺术-鲁比尼-格伯-thrasher-0712.png
礼貌照片

受人尊敬的经济学家努里尔·鲁比尼和对冲基金经理桑德·格伯都担心信贷周期的新阶段以及其他对投资者来说可能不是好兆头的现象。

在最近的一次网络研讨会上, 纽约大学教授、Roubini Macro Associates 首席执行官鲁比尼 (Roubini) 与哈德逊湾资本 (Hudson Bay Capital) 首席执行官兼投资官格伯 (Gerber) 进行了交谈,后者对已故的鲁比尼 (Roubini) 提出了挑战,然后又进行了  合作。哈里·马科维茨。

就在 7 月 4 日哈得逊湾投资者假期之前,格伯与《机构投资者》分享了他们的广泛谈话,他表示,美联储持续加息以及长期利率上升将导致偿还贷款变得更加困难,并导致损失。

“我认为信贷周期即将来临。特别是,如果我们要达到理论上的 2% 目标,我不认为我们不会发生信贷危机,”格伯说。

鲁比尼同意了。随着利率迅速上升,投资者遭受了久期风险。他表示,现在,随着经济放缓,信贷风险将会出现。

“在一个将会出现衰退的世界里,无论衰退是多么短暂、程度如何或更严重,而且名义利率和实际利率都较高,我想说,我们将会从久期风险转向信用风险。那些杠杆率很高的私人和公共机构将面临严重的偿债困难,”鲁比尼说。

除了投资者面临的信贷周期的哪些部分之外,鲁比尼和格伯还分享了他们目前认为令人不安的其他事情:他们正在关注的泡沫和市场、生成式人工智能的负面后果,以及一些“已知的未知因素”。

这位经济学家和投资者都对美国股市持怀疑态度,美国股市的反弹仅靠少数几家股价飙升的公司的帮助。最近的一些表现与最近人工智能领域的突破有关,格伯说这让他想起了互联网泡沫破裂。

“我们仍处于人工智能转型的早期阶段,我认为这可能更为重要,因为互联网是逐步采用的,而生成式人工智能是一个非常快速的转型。这个泡沫也可能比互联网泡沫来得更快,互联网泡沫基本上是在 20 世纪 90 年代末到 2000 年才爆炸的,”格伯说。

这位对冲基金经理表示,人工智能实际上可能会减少对劳动力的需求,但这需要时间,在此之前,市场将会出现热情。

“取代人工分析(至少是低水平分析)的能力是前所未有的,坦率地说,是出乎意料的,”他补充道。

Gerber 向《MegaThreats: Ten Dangerous Trends That Imperil Our Future, And How to Survive Them》一书的作者 Roubini 提出了一个相关问题:“……如果生成式人工智能处于现在的位置,当你写这本书时,你会不会把它包括在内?这是一个巨大的威胁吗?

在某种程度上,鲁比尼的 2022 年著作确实将生成式人工智能视为一个巨大威胁。其中有一章是关于“变革性技术”,包括人工智能,它可以从根本上改变世界。生成式人工智能的积极之处在于潜在的生产力增长。“我们还没有在宏观经济数据中看到这一点,但我预计会出现这种情况,就像第一次互联网革命的情况一样。虽然滞后了几年,但最终我们看到了潜在增长的增加,”鲁比尼说。

他说,也有消极的方面。将会有更多的工人被取代——甚至一些较低水平的认知工作也可能被取代——而且技术还可能增加收入和财富不平等,因为它们是资本密集型和劳动力节约型;那些拥有这些机器的人一定会受益。

“最大的问题是:我们能否让人工智能事前更具包容性,而不是剥削性,让它们最终用普遍基本收入、普遍基本服务提供或类似的东西来补偿那些落后的人。这是一个很好的机会,但分配效应将非常复杂,实际上可能会加剧对自由民主的抵制,”鲁比尼说。

格伯不太确定人工智能是否会对民主构成威胁。但他表示,他相信,如果人工智能落入坏人之手,将会发起更强大、更复杂的数字攻击,并可能产生巨大后果。

关于世界面临的潜在威胁以及可能性不明朗的投资组合(鲁比尼将其称为“已知的未知数”),这位经济学家表示,地缘政治冲突是首要考虑因素。他说,没有人知道十年后美国和中国之间的紧张局势会如何。

鲁比尼还提到了全球气候的非线性或突然的、剧烈的变化。例如,科学家担心,地球两极附近的大块冰块可能会破裂、漂移、迅速变暖,然后在几个月内而不是预期的几十年内使海平面急剧上升。

鲁比尼说:“天知道比 Covid-19 更怪异的东西是否会再次出现。” “我们不知道可能性有多大,但当谈到气候变化及其与全球流行病的相关性时,科学家们开始考虑这些事情。”

韭菜热线原创版权所有,发布者:风生水起,转载请注明出处:https://www.9crx.com/73739.html

(0)
打赏
风生水起的头像风生水起普通用户
上一篇 2023年7月30日 00:40
下一篇 2023年7月31日 01:03

相关推荐

  • 北京大学金融时间序列分析讲义第26章: 格兰格因果性

    介绍 前面已经在VAR部分简单介绍了格兰格因果性的概念,以及用VAR模型检验格兰格因果性的方法。这里对格兰格因果性的概念与检验方法进行更详细的阐述。这一章的内容主要参考(Gebhard Kirchgässner 2013),(C. W. J. Granger 1969)。 考虑两个时间序列之间的因果性。这里的因果性指的是时间顺序上的关系,如果Xt−1,Xt−…

    2023年8月8日
    19600
  • 资产管理领域仍不太可能出现大规模裁员

    资产管理领域仍不太可能出现大规模裁员 咨询公司 Casey Quirk 表示,尽管有一些裁员,但该行业仍然健康。 插图由II 与金融服务行业的其他领域不同,资产管理公司没有解雇数千名员工,而且大多数人表示他们不打算这样做。 并购活动的停滞导致一些投资银行进行了裁员——例如,高盛和摩根士丹利都解雇了 3,000 多名员工。与此同时,今年春天与竞争对手瑞士信贷合…

    2023年7月17日
    13600
  • 北京大学金融时间序列分析讲义第21章: 其它的波动率计算方法

    本章内容来自自(Tsay 2013)§4.15和§4.16内容。 (French, Schwert, and Stambaugh 1987)用高频数据计算低频收益率的波动率,又可参见(Andersen et al. 2001)和(Andersen et al. 2001)。 假设我们对某资产的月波动率感兴趣,有该资产的日收益率数据,设rmt是该资产第t个月的…

    2023年8月3日
    13300
  • 实施不足阻碍因素战略

    金融界投入了大量精力来寻找可能表明证券前瞻性表现或投资组合风险属性的新因素。 虽然这项研究可以帮助我们更好地理解资产定价并提供更好的表现的可能性,但它往往假设市场连续、交易自由和流动性无限。 很少有研究关注从业者的困境:交易成本和不连续交易等摩擦导致的实施不足。这些现实生活中的摩擦可能会削弱智能贝塔和因子策略的表现。与资产管理费一起,它们是实时结果与纸面投资…

    2024年6月29日
    1100
  • 为什么必须优先考虑最大限度地降低投资产品的成本

    本出版物的读者知道投资产品的成本会降低净回报,并将成本视为选择投资构成客户投资组合的重要标准。但是顾问如何定义成本,以及与其他投资组合目标相比,降低成本有多重要? 在实践中,很少有顾问真正了解客户支付的全部费用,以及他们和客户因不必要的开支而损失了多少,通常每年损失 100 个基点或更多。最便宜的基金的表现始终优于昂贵的同类基金,为投资者创造更多财富,并为其…

    2023年8月22日
    12400

发表回复

登录后才能评论
客服
客服
关注订阅号
关注订阅号
分享本页
返回顶部