1987 -- 黑色星期一：投資組合保險的反噬#

案件描述#

1987 年 10 月 19 日（黑色星期一），道瓊工業指數單日暴跌 22.6%——美國股市史上最大單日跌幅，遠超 1929 年的 12.8%。而且事前沒有任何戰爭、恐怖攻擊或經濟崩潰的新聞。

這是金融計算史上最戲劇性的案件：

一支由 Black–Scholes 理論驅動的「投資組合保險」程式，本來設計用來保護投資人，卻在那天成為推倒市場的雪崩引擎。

前因：投資組合保險的發明#

Leland 與 Rubinstein（加州伯克萊）在 1970 年代末構想「投資組合保險」（portfolio insurance）：用 Black–Scholes 的動態避險邏輯，為股票組合合成一個「保證地板價」。
原理：持有股票 + 動態調整，模擬一個「保護性賣權」（synthetic put）。股價下跌時賣出股票、提高現金比例；上漲時買回。
到 1987 年，投資組合保險管理了約 600–1,000 億美元（約佔美股 3%）的資產，由 Leland O'Brien Rubinstein (LOR) 與各大券商執行。
線索：Black–Scholes 的動態避險假設「連續、小額、不影響市場價格的交易」。600 億美元絕對不是「小額」。

推理過程#

線索一：正回饋迴路的數學#

投資組合保險的交易規則是機械化的（程式驅動）：

\[ \text{賣出量} \propto \text{跌幅} \times \text{組合規模} \]

把它寫成系統動力學：

市場下跌 → 保險程式賣出股票（與股票期貨）
賣出壓低價格 → 觸發更多保險程式賣出
正回饋（positive feedback loop）→ 雪崩

這與一般避險（負回饋）相反：避險者的賣出量與價格同向變動——美式賣權的 delta 在下跌時更負，需要賣更多。

線索二：那天早晨的時間線#

10 月 19 日早上，市場因前一週（10 月 14–16 日已跌 10%+）的程式賣壓低開。
賣單蜂擁而出，NYSE 的執行系統（當時靠人工撮合）癱瘓——報價延遲數十分鐘。
報價延遲 → 保險程式不知道當前價格，只能用舊價計算 delta → 賣出更多。
下午，CME 的 S&P 500 期貨一度貼水（期貨價遠低於現貨）——現貨與期貨市場脫鉤，套利者無法套利。
收盤：道瓊 -22.6%，S&P 500 期貨市場幾乎崩潰。

線索三：流動性的數學本質#

Black–Scholes 假設可以「以理論價格連續交易」。但流動性不是無限的：

當所有人同時賣出，價格由最急迫的賣家決定，不是理論價。
Leland 後來承認：投資組合保險是「壓垮駱駝的最後一根稻草」，但它假設的流動性在壓力下不存在。

教訓的數學表述：動態避險的可行性依賴 \(\frac{\partial \text{市場衝擊}}{\partial \text{交易量}} \approx 0\) ；當所有人都用同一模型，這個偏導數爆增。

後果#

布雷迪委員會報告（1988）：官方調查確認投資組合保險是主要放大器之一，催生熔斷機制（circuit breakers）——當指數跌 7%/13%/20% 時暫停交易。
機械化交易的覺醒：市場第一次集體意識到「所有人都用同一個模型」本身就是風險——這個教訓在 2008 年（CDO + 高斯 Copula）與 2010 年（高頻交易）重演。
跳躍風險與波動率微笑：1987 年後，選擇權市場出現持久的「波動率微笑」（深價外賣權的隱含波動率遠高）——市場用價格投票：常態分配錯了，股價會跳。這直接催生 Heston（1993）與跳躍模型。
諾貝爾獎得主 Merton 稱之為「模型的反噬」（models shaping markets）——MacKenzie（2006）的書名《An Engine, Not a Camera》正是講這個：模型不是照相機，是引擎——它會改變它所描述的世界。

現代程式重現：正回饋雪崩模擬#

import numpy as np

def simulate_crash(n_days=1, n_instants=100, insurance_size=600e9,
                   market_size=2e12, gamma=0.1):
    """正回饋雪崩：保險程式賣出 → 價格下跌 → 更多賣出"""
    price = 1.0
    path = [price]
    for _ in range(n_instants):
        shock = np.random.normal(0, 0.005)          # 基本面雜訊
        sell_pressure = gamma * (1 - price) * insurance_size / market_size
        price = price - shock - sell_pressure        # 賣壓與跌幅同向 → 正回饋
        path.append(price)
    return np.array(path)

path = simulate_crash()
print("單日累積跌幅:", (path[-1] - 1) * 100, "%")
# gamma 越大（越多資產用同一模型），雪崩越深 — 這是 1987 的本質

偵探筆記#

動機：600 億美元共用同一套動態避險規則
工具：Black–Scholes delta、程式化交易、系統動力學
遺產：熔斷機制、波動率微笑、「模型會改變市場」的哲學教訓
盲點：連續避險假設在壓力下崩潰；流動性不是無限的

參考資料#

Brady Commission (1988). Report of the Presidential Task Force on Market Mechanisms.
MacKenzie, D. (2006). An Engine, Not a Camera. MIT Press.
Gennotte, G., Leland, H. (1990). "Market Liquidity, Hedging, and Crashes". American Economic Review.