前言
Michael Burry將SVB的崩潰與2008年金融危機相提並論 “充滿傲慢和貪婪的人冒著愚蠢的風險” https://trib.al/AjpB1X0
我想從Burry的論點開始評論，並說說我的觀察和解決辦法。經濟學是提出解決辦法，並且希望能夠找出根源，從根源去確認問題，進而解決問題。那麼SVB事件的根源何在，就能知道Burry的論點是否合理。
另外，我想分享一個觀點：
- 我們永遠不知道下一秒會發生什麼。預測未來是愚蠢的風險。
- 那些用數字分析經濟、商業、金融等的人需要直視時間序列資料，而不是試圖掩蓋時間造成的影響，更不是用「長期」和「短期」的區隔來模糊時間所造成的影響。
評論：為何兩事件不能相提並論
從起因來看，雷曼事件是不良設計衍生性金融商品，在多年的發酵後，從房市的貸款無法被償還，造成債務違約所引發的一連串骨牌後果，形成一個巨大的資金缺口。而2023年的SVB事件則是從2020年新冠疫情開始，造成經濟停頓和勞動力居家隔離所致，對實體經濟的生產面產生衝擊，勝過對需求面的衝擊。
| SVB事件 | 雷曼事件 | |
|---|---|---|
| 起因 | 新冠疫情引發政策影響金融 (先勞動市場的供給面和商品市場供給面 後商品市場的需求和供給面，再到所有市場) |
金融衍生性商品設計漏洞 (商品市場需求面) |
| 過程 | 1. 政府發受限使用補助，企業補助款存入SVB 2. SVB將這些錢拿去買中長期債券 3. 2022年Fed開始升息，造成債券價值下降 4. 財政部回收企業補助，導致SVB的錢只出不入 5. 只能賣中長期債換取短期流動，造成bank runs |
收購次級房貸後設計連動債，將風險移轉給投資人 連動債遇到房屋貸款人不能如期還款，債就違約 連動債愈多人持有影響愈廣泛 |
| 狀態 | 美國在事件發生前已經大舉使用了超額的錢 | 美國有錢救市 |
| 聯準會動作 | 聯準會在新冠疫情開始就開始QE | 聯準會在事件後才開始QE |
在新冠疫情剛開始時，美國聯準會和聯邦政府看似很快處理疫情對家戶的衝擊，和對企業的補助。但真正落實過程中，很可能發生「白食」現象，例如，
- 沒有任何生產力，但需要養活那麼多人。
- 企業獲得補助，將錢存起來，無處可用。甚至企業主很可能思考，並無可根據法規使用的地方，先存著，後面再使用於公司經營。
聯邦政府和聯準會在新冠疫情和2008年金融海嘯的政策執行時間點是不同的。後者它們是事件尾聲才來收拾經濟殘局。
從原因和政策決策者進場干預的時機來看，新冠疫情的對經濟的影響遠比單從金融業為分散風險而搞事的金融海嘯還來的嚴重，並沒有全球政府或專家學者們、權威人士們說得那麼簡單，且影響小。
和新冠疫情的情況，其實和過去石油危機引發商品市場供給面發生問題比較相似，較大的不同之處在於新冠疫情從勞動市場的供給面開始(居家令)，再影響到商品市場的供給面。再同時牽扯需求面，後者還得加上政府干預扭曲市場效果，延遲且堆疊的隱藏經濟火藥！
而石油危機則是從資源市場供給面開始(人為)，再影響到商品市場的供給面。之後才是各國的政策影響市場。
新冠疫情引發的後果才是最為恐怕，而政府正在麻痺全球人類！
SVB倒閉的過程
美國的25萬美元是存保的上限，財政部和任何機構都無法改變。當SVB有那麼多存款時，剩下的存戶款需要另外找保險，也就是準備金。原本SVB購買中長期債券是正確的。然而，當時購買時是低利率時期，甚至可往前推到2018年都可以說是平均2%利率。因此買下中長期債券可以賺得至少1.5%的利息。
當2022年開始，聯準會升息後，中長期債券的價格下跌，如果持續持有中長期債券仍可得到利息，與此同時，債券若拿去抵押或拋售，其價值低於SVB購買時的價值。
現在FDIC正在找接盤俠，對沖基金希望用折半的價格收購SVB。即使財政部、拜登出來說SVB存戶可以拿回所有的錢，想來這個辦法就是新冠疫情，聯準會說會無限收購債的方式，將SVB手上的債回收，換成美元給SVB。
對沖基金是禿鷹，想要在美國財政部和聯準會願意讓債完整換成美元方式下，將SVB存戶的一半存款併吞。SVB存戶只能拿回一半的存款，甚至更少。
美國政府其實沒有錢了。當葉倫前往國會報告SVB時，一直強調要趕緊放寬財政部的預算上限，追加經費，不然今年6月聯邦政府就發不出薪水，同時7月也無法支付美國聯邦政府的債券利息。
由此可見，美國不只是高科技業在科技進步的研發上走到死胡同，聯邦政府也是如此。
SVB事件觀察美國經濟和科技
總結此次美國經濟體系運作過程。這樣的經濟體一旦發生停頓或暫停，重啟後千瘡百孔。而政治介入經濟過深，以及狼性和禿鷹行為加深社會成本的沉疴。更重要的是美國號稱「科技領先全球」只是領先全球，並沒有真正對經濟或科學有任何助益。
從大數據和人工智能發展上，即使備受推崇的ChatGPT，也只是整合並更人性化的互動方式。其背景還是基於【資料庫】的搜尋、篩選、比對、合併。換句話說，美國和全球人工智能發展到ChatGPT集其大成，只著眼在如何做到最佳的【排列組合】而已。
對數學和科學所需的數字分析已然停滯數十年。對全球來說數學和科學好像都在進步，但數字分析卻一直停止著。這怎麼說呢？
非數字的文字、圖像都能轉為數字化，那麼我們對不同分群的數字就得找出其各種排序產生的數學模型。而這點在2023年被Wang等人在亞馬遜網路書店出版的圖書解決了。也就是說，數字分析到2023年才剛剛正在推動往前，並且要將文字、語言或圖像等依此轉為數學模型都還是一段需要往過去的研究重新被檢視和驗證。
如果ChatGPT是集資料庫發展之人工智能大成，那麼整塊空白的數字分析則停留在二戰後，甚至可以往前推到整個20世紀。試問為何人工智能和電腦科學為何只在資料庫系統上進行發展，而非數學基礎的數字發展呢？
前者確實也做了數字發展，只是離散數學決定了電腦科學基於間斷型的數字上發展，而連續型數字怎辦呢？那就將連續型數字轉為間斷型數字。這樣看起來可以解決問題！偏偏遇到相對次數分配表的設計上，組數限制連續型數字轉間斷數字後，無法展現數字集的真實特性。
這就像現在的數據分析、商業和金融、公共衛生等專家都不願意直接面對原始記錄的數字，而只願意將原始數字轉換成移動平均值，或是比率。再基於這些轉換後的數字進行研究和建立理論。
當人們扭曲數字，又不討論如何將轉換後的數字還原原數字情況。還有對數字的建模上，並非以「精準數學模型」為研究目的，而是維持既有的傳統理論要求，將數字崁入。這些做法對經濟或許還慢慢累積影響，但金融的大規模資金流動，只要差一點就是差很多。再加上媒體的宣傳，加劇只懂得A影響B的方向，無法得到更精確資訊的投資人/存款人等。
美國在科技的領先增長速度已經無法吸收經濟問題造成的影響。這點在達康事件時已經發生過了。這點的證實來自生產函數 $Y = f(A, L, K)$ ，其中 $Y$ 為產出， $A$ 為技術進步， $L$ 為勞動力， $K$ 為資本累積。在勞動力因新冠疫情受影響下，如要維持產出增長，那麼技術進步或資本累積就得支撐住，吸收掉來自勞動力的影響。
很不幸的是想要技術進步需要燒錢做R&D，想要資本累積就要讓企業能夠運作順暢，並且持續擴張。後者可參考台積電的資本累積情況。
經濟走法如同股價一般，有擴張就會有衰退。柯林頓時代號稱新經濟，每個人都認為不會有衰退，結果卻是經濟擴張達到一定程度後，衰退就是必然現象。如前所述，想要支撐住不衰退，或是短暫衰退，就得吸收掉衰退因素，並且還能更強動力推動經濟發展。
以資料庫系統導向的大數據和人工智能，目前看來並沒有能力吸收掉經濟衰退。那這就只是困境嗎？對所有人來說，危機就是轉機，困境就是商機。此刻我們應該重新檢視號稱科技進步的主流有哪些缺陷，甚至重新檢視上個世紀推動科技進步的主力 - 數學和科學 - 中還缺少了什麼，該補足哪些。