HKEJ - Byron Tsang 2026-08-05 [為何美國食飯貴香港一大截?]

在香港跟朋友聚會，話題常由眼前食物，講到各地出外食飯的價錢差距。香港人到了美國，必有一個疑問，香港茶餐廳幾十元有交易的一餐，為何在美國找不到價錢和質素相近的選擇？反過來，內地人來港，又會嫌港人隨便食一餐也貴得離譜。同一碟乾炒牛河，同一件壽司，同一籠燒賣，換個地方，價錢和味道為何相差那麼遠？

平食材可進口 聘本地人工貴

購買力平價（purchasing power parity）可以比較各地物價，卻沒有說明一碟飯的差價從何而來。要找原因，我們先要把產品分成兩類。電腦、汽車、牛肉、咖啡豆，可以跨境買賣；剪頭髮、家中維修，以至煮好食物送到客人面前，都要在現場完成。

若果前一類行業的生產力較高，每名工人創造的產值較多，這些行業便有能力支付較高工資。其他行業要留住工人，工資亦要跟着上升。餐廳的生產力卻未必同步增加，因為紐約廚師炒一碟飯，速度不是香港廚師的兩三倍，但餐廳仍要按紐約的工資水平請人。

這不一定是指餐廳侍應隨時轉行做銀行職員，有人可以由飲食業轉到零售，有人可以由零售轉到物流，只要各種工作這樣相連，高薪行業便會逐步推高其他行業的工資，這就是Balassa-Samuelson效應的一個含義。

在美國逛超市，價錢跟香港差不多，有些原材料甚至更平；到餐廳食飯，或請個家居維修師傅上門，收費卻是香港的倍計。前者主要看貨源價格，後者以當地人工為主。餐廳可以從外地買食材，晚市所需的人手仍要在當地聘請。

紐約這類大城市出外食飯比香港貴，可以循這個方向理解。

不過，美國的二三線城市，又或像我居住鳥不生蛋的鄉下地方，工資和租金沒有紐約那麼高，出街食飯為何仍比香港貴得多？

菜式舖租客流量 成存亡關鍵

答案的另一部分是，要看食肆附近到底有多少潛在顧客。

食材大致是多賣一碟，才多用一份；舖租、設備、部分人手，不論生意多少也要照付。由於香港人口密度高，一間燒味店、麵店、茶餐廳，附近很細範圍內已有大量客人。生意若由早做到晚，同一個爐頭不斷出菜，食材快進快出，租金和設備成本便可分攤到更多件產品上。長期專做幾款菜式，速度和質素也較容易保持。

人流旺的地方，舖租往往也高。紐約同樣人口密集，高turnover省下來的成本可能被高工資抵消。美國郊區剛好相反，工資和租金較低，客人卻分散。出外食飯通常要駕車，餐廳往往要有較大舖位、較多座位、泊車地方，繁忙時間以外又有設備和人手閒置。每款菜式賣出的份數較少，也較難像香港的專門小店，靠重複製作減低成本。

餐廳有多少客人，還跟土地問題有關。美國住宅普遍有較大的廚房，雪櫃、焗爐、洗碗碟機等用具一應俱全，常被用來解釋美國人為何較常在家煮食。這個說法未必錯，但因果可能倒轉了。若果出外食一餐本來就貴，在家煮飯便更划算，住戶也會較願意投資大廚房和煮食設備，發展商亦有誘因興建這類住宅。設備既已買下，多煮一餐在設備方面便不用多花多少，家庭愈常煮飯，平價食肆便愈難生存。香港的情況相反，樓下熟食選擇多，方便、便宜，大廚房的價值自然較低；廚房愈小，在家煮飯愈不方便，食肆又會多一點生存空間。這不是說廚房大小全由餐價決定，而是兩者互為影響。

香港出外食飯便宜，當然是相對的。換成內地，香港就較貴了。以上的分析，大致可用來解釋內地及香港兩地的食飯差價，唯一不同的是，香港人可以隨時上內地享受差價，住美國（又或英國、澳洲）的要追求「性價比」，就要搭飛機了。

HKEJ - Byron Tsang 2026-07-15 [日本「經濟大學」不只教經濟](旅遊見聞)

到名古屋短遊，酒店房間在高層，窗外俯瞰着一所「名古屋經濟大學」。

類似的名字，在日本見過不少：東京經濟大學、大阪經濟大學、廣島經濟大學、高崎經濟大學、日本經濟大學，可說是無處不在。大學設有經濟學系十分平常，但整間大學以「經濟」為名，則似乎是日本特色。

難道日本大學生特別熱愛經濟學？

根據網上資料，酒店旁的這所「名古屋經濟大學」，前身是1907年成立的名古屋女子商業學校。該學校後來開辦短期大學，1979年成立4年制大學，1983年才改用現在的名稱。

話說明治維新以後，日本急於追上西方列強，除了興建工廠和鐵路，也要發展銀行、保險、航運、外貿、現代企業。這些新行業除了工程師，還需要大批懂簿記、外語、商業書信、公司運作的人才。各地於是陸續成立商業學校，其中程度較高的稱為「高等商業學校」，簡稱「高商」，例如今日的一橋大學，源於1875年成立的商法講習所；神戶大學的經濟和經營傳統，也來自神戶高等商業學校。早期商業教育重視簿記、外語、貿易實務，後來加入經濟學、法律、財政、歷史等科，商業由職業訓練，漸漸有了正式學術規模。

在漢文傳統中，「經濟」大致指經世濟民、治理國家。幕末以後，西方的「Political Economy」傳入日本，學者才借用這個舊詞。當時還有「理財學」和「制產學」等譯法，最後由「經濟學」勝出。古漢語的舊詞到了日本，換上新意思，再傳回現代中文。

原為商業學校 教授會計金融

商業學校的發展和「經濟學」的翻譯，本來是兩段不相干的歷史。一邊要培養新式商業人才，一邊要替西方學問取名，直到高商後來同時教授經濟、法律、會計、金融、管理，兩條路才會合。「經濟」既是一門學科，也成了一個可以包含各種商業知識的名稱。

到了二戰，「商業」的地位突然逆轉了。當時政府最急於培養的，是能增加軍火、船舶、鋼鐵、糧食產量的工程師、技術員、農業人才。物價、原料和配給逐步由國家統制，政策上愈來愈側重生產，輕視商業流通，當時甚至出現過「商業無用」的說法。

戰爭當然需要會計、運輸和物資分配，只是這些工作要服從國家的生產和配給計劃，不再被理解為私人企業之間的商業。在戰時語言中，「工業」、「產業」和較宏觀的「經濟」，都比「商業」合時。於是1944年，11所官立高商之中，3所改成工業專門學校，3所改成工業經營專門學校，其餘5所改稱經濟專門學校。戰後改行新學制，不少高商和經濟專門學校被納入4年制大學，有些併入地方國立大學，成為經濟學部或商學部；部分私立學校則獨立升格。例如大倉經濟專門學校在1949年成為東京經濟大學，大阪經濟專門學校同年成為大阪經濟大學。名古屋經濟大學則屬較後期的發展，1979年才成立4年制大學，1983年改用現名。

日媒喜歡計算「經濟效果」

原來，日本有這麼多經濟大學，不代表日本學生特別熱愛經濟理論。校名中的「經濟」，往往還包括商業、會計、管理、金融、法律。

「經濟」一字本來意思寬廣，後來又長期跟商業、管理和地方發展放在一起，使用範圍自然愈來愈大。

日本傳媒又尤其喜歡計算「經濟效果」。熊貓出生、球隊奪冠、動畫走紅，都可以立即換算成多少億日圓。追星應援有「推活經濟圈」，浸桑拿也有「桑拿經濟圈」，只要聚集到一群肯花錢的人，大概便足以圍成一個新的經濟圈。

「經濟」在香港亦有類似用法。近年寵物多了，有「寵物經濟」；熊貓來了，有「熊貓經濟」；夜市開得遲一點，有「夜經濟」；演唱會多辦幾場，又有「盛事經濟」。凡是有人消費，前面放上兩個字，後面大概都可接上「經濟」。

這種用法是否由日本傳到香港，很難證明。可以肯定的是，中日文雖然都有「經濟」和「經濟學」之分，兩者卻只差一個「學」字，日常說法又常把它省去，界線沒有英文的「Economy」和「Economics」那樣清楚。

既然「經濟」的範圍如此廣闊，也就自然明白「經濟學者」的銜頭為何也愈見寬鬆，只要懂得評論任何商業和社會現象，也會被傳媒冠上這個稱呼了。

HKEJ - Byron Tsang 2026-06-03 [AI熱潮令新台幣更難升值？](TW)(貨幣)

去年寫了〈台灣央行為何讓新台幣急升？〉一文，解釋了台灣貿易盈餘的獨特情況：貨品出多於入，即等於資產入多於出，台灣增持外地資產。有異於內地由央行累積外滙儲備，台灣很大部分由私人市場「消化」，其中以人壽保險公司最為重要。當中原因，是台灣的債券市場太細，不足以應付這行業的需求。壽險公司一方面累積大量美元資產，另一方面要以新台幣向保戶履行承諾，於是面對着滙率風險，只要台灣兌美元升值，資產價值下降，承諾價值相對上升，這些公司就會因而蒙受損失，甚至陷入財政困難了。

為了金融穩定，台灣央行過去一直透過干預避免新台幣升值，承接了這個滙率風險。去年央行一度「放棄」，令新台幣急升，但滙率很快便回落至今。

出口愈強 盈餘愈大

一年過後，這個情況更為誇張。去年第一季，台灣經常賬盈餘約為300億美元，今年第一季已經升至超過600億美元。經濟增長同樣急速加快，去年第一季實質GDP按年增長約5.5%，今年第一季則接近15%；一年前官方預測2025年全年增長約3%，今年對2026的預測則為10%。

不用翻查詳細數據，亦不用作什麼分析，也知道台灣經濟突然欣欣向榮，都是拜人工智能（AI）帶動的硬件需求，令台灣這個主要供應商生意興隆。

盈餘愈大，外幣資產愈多。台灣多賣一批晶片和伺服器，一方面出口收入增加，同時亦有更多美元要被台灣金融體系吸收。若果最後仍然主要由壽險公司持有，剛才提到美元資產和新台幣負債之間的缺口就會愈來愈大。更麻煩的是，壽險公司近來有減少避險的跡象。減低滙率風險不是免費午餐：當美國與台灣的利率愈拉愈遠，這種保險就愈來愈貴。當避險比率（hedge ratio）下降，壽險公司對滙率就更為敏感了。

也就是說，AI的需求莫名其妙地把兩個龐大的利益連在一起。一邊是晶片、伺服器和相關零件出口商，收入多以美元計算，部分成本以新台幣支付，新台幣偏弱自然會增加利潤。另一邊是壽險公司，手上美元資產愈多，愈怕新台幣突然升值。前者多多益善，後者怕忽然爆煲，動機不同，方向一樣，都不想新台幣升值，或至少不想升得太快。

硬件工業代表的是高薪職位、股票價格，甚至是台灣在政治上的籌碼，壽險業則連住家庭儲蓄、退休福利。

兩股勢力不需要有什麼陰謀，由於利益一致，已令央行的活動大幅收窄，不敢同時打擊台灣最風光的產業和最脆弱的金融環節。於是，央行只有更大的動機繼續保持新台幣弱勢，把問題推往將來。

弔詭之處是，當新台幣升值壓力愈大，升值本身反而愈危險。一般的經濟邏輯是，出口愈強勁、盈餘愈大，新台幣愈有升值空間，但在台灣獨特的制度下，盈餘愈大，代表更多美元要變成外國資產。若這些資產主要落在人壽保險公司手上，其資產和負債之間的錯配便愈明顯。AI帶動的需求，一方面推高新台幣升值壓力，一方面又增加升值時造成的金融損失。

利益集中 代價分散

這個危危乎的安排，贏家當然包括硬件出口業，輸家則比較面目模糊，主要由大眾來承擔。新台幣偏弱，進口貨、外遊、外國服務都會較貴，亦即台灣消費者購買力被壓低，同時又把更多的資產放到儲蓄裏去，間接承受滙率風險。利益集中，代價分散，從來是政治經濟學的常見結果。

HKEJ - Byron Tsang 2026-05-08 [市價如何反映內幕交易]

美國司法部4月公布，一名美國陸軍士兵參與拘捕委內瑞拉前總統馬杜羅的軍事行動，掌握了機密資料，然後在Polymarket買入幾張跟馬杜羅去留、美軍會否進入委內瑞拉有關的合約。

美兵分多次押注馬杜羅被擄

好奇心驅使下，到網上下載區塊鏈數據，很快就找到疑似該位士兵的錢包，以及他的所有交易紀錄（這不是可以直接分析的數據。Polymarket的鏈上紀錄，一宗交易可以拆成很多行，要像拼圖那樣將其組合，才知道哪一邊是主動買入）。這個錢包是於去年12月26日開戶，之後一天開始買入，後來多次下注，到了1月2日晚上9時58分（亦即軍事行動前幾小時）作最後下注。這位士兵也許為了「低調」，分幾日、分幾張合約逐步買入，總額3萬多美元，主要集中在「馬杜羅1月底前失去權力」那張合約，其餘注碼分散在3張相關合約。

事後孔明，一個錢包突然就幾張跟軍事行動有關的合約作同一方向買入，當然可以懷疑。只是若我們只看市價，又可以留意到什麼？士兵買入之時，這些合約的價格甚低（亦即發生機會甚低），幾宗較大成交雖然的確推高了市價一兩個百分點，但很快便消失於無形。

真正的價格變化及成交明顯上升，要等到軍事行動前一小時左右。這跟那位士兵已沒有直接關係，可以是其他知情者，也可以是消息外洩、傳聞、觀察到軍事行動的人。

那位士兵的投注額不算大，不足以推高市價，這點不難理解。只是經濟學一個重要觀點，是資訊反映在價格上，無論是商人的生意決定，還是內幕人士早一步獲利，都會令市價變得更有效率。若價格沒有持續變化，效率從何說起？

知識分散在不同人手上，價格制度的作用，是毋須每個人都擁有所有知識，市場價格仍可把分散的資訊歸納成一個大家觀察到的訊號，令資源有效率地分配。內幕交易的市場價值，是這個論點的延伸：若內幕人士買賣股票，令價格更快接近正確的價值，其他人即可從價格知道事情有變，從而作出更好的決定，對大家都有好處。

資訊傳導價格路徑轉折

這位士兵（非法地）示範的，是資訊和價格之間，有一個不簡單的過程。歸根究柢，內幕人士下注，不是為了大眾利益，而是為了賺錢。若然一口氣大手買入，把價格明顯推高，愈買愈貴，對自己不利。

再者，愈快推高價格，愈有機會令秘密宣揚開去。內幕人士於是會小心翼翼，「低調」地作出看似普通的交易，慢慢累積目標資產。

這個道理看似簡單，卻足以修正很多關於市場價格的講法。資訊反映在價格之中，不等於每一宗知情交易都會帶來可見的價格變化。價格不是消息一到便自動改寫的機器，而是交易雙方在流動性、風險和互相猜度之間達成的結果。

內幕人士何時會買得進取？當市場交易額大、成交頻繁，就是最容易藏身之時。場內本來已有很多人買賣，一宗較大的買入不會顯眼，對價格衝擊也較輕微；市場愈單薄，買少少已足以推高價格，等於向全世界宣布自己可能知道什麼。內幕人士因此有「低調」的誘因，把交易拆細，等流動性高的時候才出手。

市價因此是充滿嘈音的訊號。價格升，可能是知情者買入，也可能是普通投機者追逐消息，又或造市者（market makers）調整報價，或者只是交易薄弱下幾宗交易帶來的跳動。價格不變，也不代表沒有內幕消息，可能只是知情者不想推動價格，又或其注碼相比市場規模實在太細小。

資訊反映在價格之中的講法，因此是一個理想化的思考起點，說明為何價格可以有資訊價值，也說明為何內幕交易有時會令價格更早接近真相。回到那位士兵的例子，重點不是說預測市場失靈，而是要分清楚兩件事：內幕消息被交易者轉化成利潤，不等於內幕消息被消化成大家可以觀察到的價格訊號。

HKEJ - Byron Tsang 2026-04-29 [儲局議息後資訊含意靠估]

今天美國聯儲局又會完成一次議息會議，香港時間星期四凌晨2時，聯邦公開市場委員會發表議息聲明，半小時後主席會開記者會。3星期後，會議紀錄又會公開。這些程序，理財投資版的讀者都耳熟能詳。

一般看法是，聲明或記者會完結後，股市升即是市場喜歡，股市跌意味市場不喜歡，若股市無甚反應，就是沒有新聞了。這種看法不能說完全錯，惟可以問深一層：市場消化的，到底是什麼資訊？

3種方法分析市場反應

近年流行的一個研究題目，就是利用聯儲局事件前後極短時間內的金融市場變化，去量度其中包含的是什麼消息。事件包括聲明和記者會，可以是成員的演詞，也可以是主席到議會被照肺。

之所以限於極短時間，道理很簡單。若我們只看一整日的市場變化，中間有太多事情發生，業績公布、地緣政治，根本難以分辨。只看事件公布前後30分鐘，甚至更短的時間，雜音相對少。這時候期貨價格、債息若有明顯變動，就較有信心視之為聯儲局的影響。

只是影響從何而來？最簡單也是最傳統的解釋，是純粹的意外或驚喜/驚嚇。市場本來以為聯儲局會較溫和，結果聲明或記者會聽起來較強硬，貨幣政策比預期緊縮，股票就下跌了。

另一個可能是，聯儲局不是嚇市場一跳，而是在透露其對經濟走勢的判斷。市場若相信聯儲局掌握的訊息較全面、判讀較早，即使聯儲局沒有公開講「我們知道一些你不知道的事」，市場也會這樣解讀聲明。若聯儲局趨向緊縮，市場可能反而覺得經濟比想像中好，股市不跌反升。這個說法在學界一度相當流行，不過近年也遇到不少質疑。

還有一個近年愈來愈受重視的可能。市場其實早已知道大部分經濟消息，例如通脹、就業數字、金融條件，市場意想不到的，是聯儲局對這些消息的反應比預期要強或要弱。換言之，市場不是在了解「經濟發生了什麼」，而是在探究聯儲局的反應為何。

解讀空間比數據要多

這個分別聽起來很微細，其實很重要。若通脹數據剛公布，市場本以為聯儲局會輕輕帶過，結果主席相當重視，利率期貨自然會有所動作。這時候，市場不是突然知道通脹高，而是突然覺得聯儲局會更認真對付通脹。兩者在利率市場上表面相似，但經濟含義並不一樣。

這個研究題目的難度在於，我們不難證實市場對事件有所反應，惟要把事件分門別類，拆解成不同形式的資訊，答案可以眾說紛紜。

問題在於，剛才提到的資訊都不是直接可以觀察得到的東西，而是需要利用模型，再加上一堆假設，才能推算出來。就算我們同意來自聯儲局的資訊有以上3種，只要我們使用的模型不同，又或對於某些假設有不同意見，就會有不同解讀了。麻煩的是，聯儲局一年通常只有8次例會，即使加上記者會、會議紀錄、演詞和國會作證，真正可以研究的事件仍然有限，而每一次事件的解讀空間卻很多：是政策本身出乎意料，是聯儲局透露了經濟前景，還是市場重新估計聯儲局的反應？

學術研究的「實用」之處，往往不是提供確切的答案，而在提供一套分析方法。如何解讀聯儲局事件，雖然答案眾說紛紜，但這些研究至少可以幫我們釐清問題。下次議息聲明公布後，若新聞標題又說市場「消化」聯儲局言論，大家就可以追問：市場到底消化了什麼？

HKEJ - Byron Tsang 2026-04-01 [金睛火眼難辨人工智能痕跡]

某日在社交網絡上見到這個標題〈教授指出：有一個詞，一看就知道是AI寫的論文〉（Professor Shares 1 Word That's a Dead Giveaway for an AI-Written Paper），本以為是內容農場的垃圾連結，誰知道這是美國全國廣播公司（NBC）的報道。原來有一個兼任英文系教授，經常拍攝TikTok短片，在一條片中指學生在文中使用「moreover」一字的話，就幾可肯定是AI作品，理由是學生一向少用這個字。

這當然是不值一駁的胡說八道。更值得探討的是，為何不少人都自認有金睛火眼，可以看出人工智能的痕跡？同樣重要的問題，是為何我們會對某些文字有這種執着？

單靠個別用字判斷不準確

首先，人工智能的文字，有高有低，視乎製作有多認真。例如，你要寫一篇新聞稿，於是就把幾個重點交給AI，直接叫它生產出一篇500字的文章。這種出品，有較高機會「出事」，例如用字突兀，又內容離題，原因是指令太空泛，AI容易行差踏錯。若果指令寫得小心，指明有什麼不可以出現的內容，以及說明目標讀者群，生產出來的文字就會正路得多。

再者，使用人工智能，亦有程度之分，若果只是用人工智能修改文字，令語句更通順，使長短符合要求，那又算不算人工智能的作品？諷刺的是，以英文來說，現在人工智能文字的一般「風格」，正是曾經被奉為圭臬的簡樸寫法。想當年人人稱頌的寫作經典The Elements of Style，提倡要刪掉多餘的字（omit needless words），又提倡要用主動式（use the active voice），旨在把什麼都寫得清楚明白。然而，人工智能產出的正是這種文字！

這種根據個別用字、造句而判斷是否AI文字的方法，極不可靠。現時表現較佳的AI文字辨識系統Pangram，用的並不是這種金睛火眼，而是透過分析大量的數據（完全人手寫、完全AI寫、經AI修改），用機器學習的方法作分類工作。為何判斷這段文字由人寫、那段由AI寫，因為很難歸納成一些放諸四海皆準的簡單規則。雖然AI劣作不難認出，但用心製作的AI文字，又或人與AI互動合作產出的文字，就不是單憑「肉眼」就可以察覺，而是要靠機器學習這種看不透的工具才能分辨了。

AI編輯威脅人類職業價值

是否有AI參與，對某些文字似乎特別重要。上周《華盛頓郵報》的著名作者Megan McArdle，在社交媒體發表一篇帖文，講述自己使用AI的習慣：檢查事實、把錄音整理成文字、給自己的文章下評語、刪減字數、消化學術文獻。作為讀者，見有作者這樣使用AI，旨在提升作品質素，只覺得這很合理是好事。

意想不到的是，她這個帖文遭受到鋪天蓋地的攻擊。不少傳媒同行和其他文字工作者，認為她這樣使用AI是行業之恥，一邊揚言從此不會再看她的文章，一邊強調自己是從未用過AI的「清白之身」。

也許，某些文章建基於讀者與作者的關係。讀一本小說，就是為了投入作者創造出來的世界，是兩個人一種很親密的溝通，每個字每一句都是作者親手寫出來，才能建立作者跟讀者的關係。若果小說根本不是那個作者寫的，作為讀者就會感到被騙。那位《華郵》作者寫的不是小說，而是頗有文學色彩的專題報道，讀者喜歡她的作品，除了關心內容是否準確可靠外，亦在乎文字是否都是她所思所想。若果有AI參與其中，讀者就感到被冒犯了。

不過，這個界限到底在那裏劃，亦甚為武斷。就算是小說，也會有編輯修改文字，寫錯字文法不通，也會有軟件提醒。不用人工智能檢查事實，用搜尋器找資料又如何？寫作是否要一張紙一支筆一個人腦，才算是最崇高最純正的形式？

說得更赤裸一點，這位作者之所以遭受到如此排山倒海的批評，是因為她觸碰到不少人的存在價值。當我們可以用AI寫出一篇似模似樣的長篇報道，而大部分讀者只留意內容是否充實，而不太理會誰是作者的話，以寫這類文章為職業的人，面對的就不只是工作受威脅，而是整個自我形象的瓦解了。

HKEJ - Byron Tsang 2026-03-25 [從預測市場數據看利率走向]

美國聯儲局上周三舉行議息會議後，跟一位一年級學生「即時」開始了一個研究：由下午一點半開始的兩小時內，學生利用預測市場提供的API，下載了在那兩小時內4月和6月會議的市場買賣盤及成交數據。

3月的議息會議，市場幾可肯定聯儲局不會有任何動作，但從聲明中的措詞，以及主席鮑威爾跟傳媒的對答，我們都會因此改變對未來兩次會議的看法。

儲局會議後 AI助梳理公眾反應

之前在本欄提過，這個和學生合作的研究項目之所以成事，全靠人工智能。學生雖然成績優異，但畢竟是一年級生，無論是經濟學還是技術訓練，都只是在初級階段。沒有人工智能，單是教授一些基本技巧，例如如何從API下載數據、數據到手後怎樣整理等，已經消耗了整個學期的時間，根本趕不上在議息會議前準備就緒。由於時間有限，學生只能完成簡單、趣味甚低的研究。

有了人工智能，這位學生在兩星期內便寫好了電腦程式，經過反覆測試，終於成功在聯儲局3月會議前，從預測市場即時下載數據。到了4月的議息會議，我們會照樣重做一次，收集市場對之後兩次會議的反應。

4月份議息會議的市場價格（亦即減息、不變、加息等機會率），幾乎全程保持平靜。投資者普遍相信聯儲局4月利率不變的概率極高，而這一判斷在兩小時內幾乎沒有變化，機會率一直在93.5%至94.5%之間徘徊。不過，價格穩定不等於什麼也沒有發生，在這段時間內，4月會議合約有接近600宗交易，成交金額約3萬美元，交易活動主要集中在聲明發布後、新聞發布會開始前的短暫時間。價格之所以如此平穩，在於4月的市場較有「深度」，買賣差價較窄，就算交易頻繁也不會明顯左右價格。

較為遙遠的6月份議息會議，表現頗為不同。在下午一點半，利率不變的機會率約為三份二，減息機會明顯高於4月。下午兩點聲明發布後，6月合約的價格並沒有顯著變動。市場真正活躍，在新聞發布會期間，利率不變的機會率逐步升至約七成，減息的機會率則相應下跌。跟4月的合約不同，6月市場的流動性相對較「薄」，買賣差價闊，價格因而出現較大波動。

鮑威爾講話偏鷹 次季減息無望

市場有反應，當然不是兩點半記者會開始之時，而是記者會期間鮑威爾說了一些有訊息含量的話。於是，我們叫人工智能從網上下載當日的記者會的錄像，找出市場最大反應的時刻。

在下午2時37分左右，記者Colby Smith問及油價，到了2時43分左右，另一記者Steve Liesman再次問及油價。主席兩次的回答，都指出油價未能「當作透明」（look through），要視乎大眾通脹預期的反應，亦即回答偏向「鷹」。兩次回答，尤其是第二次，都在幾秒間令交易量上升，把利率不變的機會率推高。

雖然這不是什麼驚天動地的研究，但能夠即時分析市場在會議後的反應，準確地知道那一刻的訊息尤其重要，已是相當實用的貢獻了。再者，研究利用的不是要付高昂費用的市場數據（例如利率期貨市場），而是預測市場免費提供的即時資訊。回想沒有人工智能的年代，跟學生做的研究質素就差得多，大多不能稱作研究，只算是其中一些步驟而已。

更重要的是這位學生甚為享受研究過程，邊做邊學樂在其中。水能載舟亦能覆舟，AI不一定會毀掉大學教育，工具只要使用得宜，也可以令師生同時受益。

反事實分析 VS 事後孔明

半年前我在這個專欄寫過一篇〈儲局舊部引爆鮑威爾「豪裝」事件〉，討論聯儲局總部裝修超支的問題，當時指這並不是一件小事，現在應驗了。

事緣去年7月，有共和黨眾議員把聯儲局超支一事轉介司法部，指控鮑威爾就此在國會作證時說謊，低估了建築費用。這件事似乎不了了之，但到了上周六，聯邦檢察官突然向鮑威爾發出傳票。這個動作，當日沒有公開，到了周日才由鮑威爾主動公諸於世，罕見地發布官方影片，披露司法部正開始對他展開調查，直指這是有政治目的之舉動。事先張揚法律糾紛，特地拍片發聲明澄清，是聯儲局史無前例的做法。

主動拍片 抵消壞消息衝擊

消息一出，前任聯儲局主席以及各地央行的現任主席，齊齊出聲譴責，社交媒體上亦一片嘩然，各式各樣的末日預言如天上繁星，「美國正步向香蕉共和國」、「對制度信任完全崩潰」、「美國債市即將塌下」等，人人都在幻想周一開市的慘烈景象。

結果，美股期貨確實曾一度下跌，但很快就回穩，周一股市收市時微升。美債息率和美元亦只見輕微下滑。金價雖然再破紀錄，但升幅不算異常。整體來說，市場根本不把鮑威爾被查當一回事。

為什麼？最大路的解讀是投資者視之為政治鬧劇。政府工程超支這種事，在美國的官僚體系其實甚為普遍，就算真有責任，聯儲局主席報細數也只是次要。即使調查繼續，也要經過各級法院的重重關卡，要真正動搖聯儲局獨立性，難度極高。

更有意思的另一解讀，是鮑威爾拍片化解了危機，甚至令市場對聯儲局的獨立性增加信心。這就涉及反事實（counterfactual）的分析了，若果鮑威爾不這樣做，等消息從其他途徑洩露才被動回應，效果會有何不同？

我們先作一個合理假設：司法部調查聯儲局主席，本身就是對聯儲局獨立性的威脅，對市場來說絕對是壞消息。市場沒什麼反應，那麼我們就可以作第二個假設：鮑威爾一定是做對了某些事，抵消了這個壞消息的衝擊。

預測市場的數據支持這個判斷。例如在Kalshi平台上，調查消息出來前，鮑威爾在今年8月前離任理事職位的機率高達八成半（鮑威爾主席任期在5月完結後，可以繼續擔任理事至2028年1月）；事件公開後，機會反而大跌至不夠六成。換句話說，市場本來認為鮑威爾很可能在主席任期完結後，就會在政治壓力下完全離開聯儲局，但他的一條短片改變了市場想法。

反過來推論，如果他保持沉默，結果很可能更差。從其他渠道洩露消息，傳聞自然更多，市場反應定必更大，到後來才被迫出來澄清，自會被解讀為刻意隱瞞，對聯儲局形象亦打擊甚大。

反事實分析 不流於事後孔明

當然，這種反事實分析永遠無法百分百確定。沒有時光機，歷史也不能重演，我們只能觀察到現實世界的一個結果。若果鮑威爾不是這樣做，到底會發生什麼事？這個看似簡單的問題，其實非常難答。

以上推論，基於幾個假設，包括「主動發聲能夠控制輿論方向」，以及「投資者會把沉默詮釋為有意隱瞞」。這些假設，當然值得商榷，但有預測市場的數據支持，我們就可以對這個解讀多一點信心了。

反事實分析是否事後孔明？事後孔明，就是根據結果講故事，既不用列明假設，也不用提供證據。市場沒反應？因為投資者不認真看待特朗普的舉動。市場大跌？因為投資者擔憂聯儲局信譽受損。無論如何，總可以自圓其說。

然而，反事實分析不同，它先提出明確假設（調查是壞消息，市場沒反應，代表鮑威爾做對了），再找證據支持（預測市場數據顯示離任機率大跌），最後才作推論（不主動澄清，結果會更差）。你不一定認同每一步推理，但至少知道結論從何而來，不是事後孔明說了算。

HKEJ - Byron Tsang 2026-01-07 [一周完成經濟學博士論文?] (AI發展與應用)

在社交網絡上看到同行這樣說：5年讀完的經濟學博士，現在有了人工智能（AI），根本不用花那麼多時間，也許一年就可以完成了。回想自己的博士論文，花的時間主要在編寫程式、把結果寫成文字（包括輸入麻煩的數學公式）。編寫程式的最大障礙，是消除大大小小的各種錯誤，以及反覆嘗試不同的方法。

如今有了人工智能，這篇博士論文的所有內容，相信不用一周就可以完成，而且會做得更好：程式一定寫得更乾淨利落，遣詞造句亦會更準確。當年付出的努力，今天看來真的冤枉。

AI普及 徹底改變遊戲規則

人工智能令研究變得輕鬆，這會否令讀博士的過程縮短？當然不會。回顧歷史，當經濟學的技術成本下降，結果只會令要求相應提升。

上世紀初，經濟學者面對數據往往要親力親為計算分析。沒有電腦，最簡單的迴歸分析，也要靠手動計算或機械計算機，等閒耗費數日甚至數星期的時間。以舒爾茨（Henry Schultz）二十年代的經典著作《供求的統計定律》為例，他分析美國糖價與交易量，以今天的眼光看來，用作學生練習也嫌簡單，但在那個年代已是頂尖的技術應用了。

翻看當時的實證研究，可以感受到技術局限下的掙扎：每一個分析成本都相當驚人，因此要思前想後，精挑細選才作決定。到了六十年代，電腦運算速度增加，統計軟件漸漸普及，遊戲規則就改變了。

簡單的迴歸分析，幾秒鐘就可以完成，再複雜的計量分析也可以處理。舒爾茨曾經是劃時代的計量方法，已成了基本要求，實證研究的博士論文，不能只有幾個迴歸分析，往往要有大量的結果，盡用計算資源去證明論點。這個發展一直維持到今天。單是比較現在的和廿年前的博士論文，也可以看出巨大的技術差別。當電腦愈強，博士課程沒有因而變得輕鬆，而是做的東西愈來愈刁鑽，規模更大。

分析技術零成本 創意更重要

相比統計軟件，人工智能是一個更誇張的技術進步。直至幾年之前，讀經濟學博士總要「多技旁身」，要熟習一些統計軟件，要懂得寫一些程式語言，因為只有這樣才能在技術上去到最盡。

現在這些學習成本，已降至近乎零：對某個統計軟件、程式語言一竅不通，只需要跟人工智能講清楚想做什麼，答案就出現了。相比與「人類語言」有關的題目，人工智能處理這些問題更為可靠，一個以往要花半日才寫好的程式，現在「溝通」幾分鐘就可以完成了。（順帶一提，當跟電腦「溝通」變得如此容易，統計軟件其實沒有太大的存在價值，遲早會被時代淘汰。）

除了數據分析，數學推導和寫作同樣變得容易。從假設推出結論，在人工智能從旁協助下，難度大減，人人都可以寫出似模似樣的數學模型。把研究結果寫成文字，更是易如反掌，人人都可以生產出句子通順、沒有錯處的英文。

當博士生可以用一周完成一篇完整的博士論文時，要求自然會相應提升。既然技術如此便宜，論文導師就會轉而對創意有更高的預期，要求做更複雜沒有人試過的東西，要求找出更意想不到的角度，要求解答學術上或實際上更重要的問題。

參與過無數的論文答辯，其中不少都是「技術表演」，經濟內容沒有什麼新意，但博士生花了九牛二虎之力去使用一些複雜無比的方法，以展示其專業訓練。寫出這種博士論文足夠畢業，甚至可以藉此找到不錯的工作，但這種以grunt work為主的寫法，今天已變得沒有意義了。

因此，當人人都可以用牛刀殺雞，要完成經濟學博士就要往其他方向努力，尤其是要花更多的心力在「度橋」之上了。

HKEJ - Byron Tsang 2025-11-21 [人工智能輔助研究談濫用與善用] (AI發展與應用)

港大人工智能（AI）「幻覺」事件，反映了不少人的偏見：用人工智能做研究，就是學術造假。不論是香港還是美國，就算是大學本身，從老師到管理層，對人工智能仍充滿疑慮，千方百計防止學生「濫用」，交的功課有使用AI嫌疑，學生隨時面對抄襲的嚴重指控。

實情是否如此？

跟同行比較，我用人工智能用得最早也用得最盡，已成為一個不能或缺的工具。且以最近完成的一篇論文為例。

研發數學模型 節省近百小時

某日翻讀文獻，見有論文將一本經典著作的部分內容化成數學模型，得出若干結論。碰巧對這個題目有興趣，也頗熟悉那本著作，對該論文的立論頗有保留，於是思考了半天，試圖寫出另一個數學模型作為回應。奈何認識的人之中，沒有人做過這個題目，問無可問，於是就跟AI展開了一個漫長的對話。

研究可有人做過？方法是否行得通？題目是否值得做？跟AI糾纏良久，經歷過一輪天南地北的「腦震盪」，本來的想法有點不同了，但更清楚明確。

找到方向，下一個難題是煩惱如何從那本經典著作中，抽取一些相關段落。雖然熟讀此書，但全書數百頁，一時之間要找出關鍵的一句半句，並不容易。沒有AI，我就要把整本書翻來揭去，憑記憶尋找線索；有了AI，我只需要上載整本書的檔案，再根據清楚訂立的範圍，就可抽取書中的段落。本來要花半天才完成的工作（而且會有漏網之魚），十數分鐘就徹底解決了。

下一步是寫出數學模型。模型不算複雜，會得出的結果也大致可以預料到，麻煩的是要在電腦輸入一堆數學符號，以及作一些沉悶刻板的推導。跟過去鸚鵡學舌式的運作不同，現在的AI已有相當的數學運算能力，「熟讀」數學文獻，也懂得反覆印證。經過幾輪交流，我需要的數學模型就完成了。

論文完成後，AI更可以「角色扮演」，從一個評審員的角度，極具批判性地指出論文的不足。如此來來回回地修改，論文就更有說服力了。

沒有AI幫助，這篇論文可能不會寫出來：認識的人之中，研究這個題目的一個也沒有，根本連「腦震盪」也不會發生。至於文獻搜集、數學推導，加上最基本的寫作，相比自己親力親為，加起來節省了接近一百小時。

以上過程，算不算學術造假？

低質學者AI撰稿 變相製造垃圾

用人工智能從頭到尾「吐出」一篇論文、幾乎不修改就投稿的學者，大有人在，尤其嚴重的是一些排名較低的學報，以及來自低質素大學的學者。在大學制度不太健全的地方，學者升遷往往重量不重質。

有求有供，有些學報就是為了這些學者而存在的：評審過程馬虎（很可能也是由AI代勞），就算論文中有明顯的AI痕跡（例如忘了刪去AI詢問用者的問題），也可以照登無誤。這種「出版工業」，是收入可觀的大生意，製造垃圾刊登垃圾，只是用學術包裝的騙局而已。

這跟把AI當成輔助工具是兩回事。自己沒有想法，隨便叫AI自由發揮，很難會問出什麼好主意。邏輯推論、數據處理、電腦編程，都必須自己細心檢查，除了找錯處，也可以質疑其做法，一再追問。

為了保持個人風格，遣詞造句也得親身上陣，才能抹去AI那種順滑得面目模糊的文筆（因此這個報紙專欄，還是百分百人手出品）。這種用法，不是把AI當成作者，而是當成研究助理。以AI現時水平計（尤其是付款版本），這個研究助理可說非常稱職，效率遠勝一個普通的人類研究助理。

人工智能只會愈來愈厲害。再發展下去，AI會否由被動變主動，變成一個全自動的「經濟學者」？隨機找一個沒有人做過的題目，再搜集數據作實證分析（又或建立數學模型），這樣做出來的研究，相信沒有太大價值。

不過，若果AI可以快速地大量生產，每半小時給你完成一篇論文，這樣就不難「撞出」一些有意義的研究了，到時經濟學者還有什麼存在意義？至少，平庸無趣、小修小補的研究，已不用人類生產，價值大跌了。到時對創意的要求，會否比現在更高？這些問題，不是天方夜譚，而是十年八載後很可能要出現的情況。

HKEJ - Byron Tsang 2025-10-08 [數據停擺過後股票溢價升] (美國公佈數據與股市的關係)

美國政府停擺，經濟數據也跟隨停擺。例如最近風雨飄搖的勞工統計局（Bureau of Labor Statistics），其網頁自10月1日起就沒有更新，本應在上周五（3日）公布的就業數據，要等停擺結束後才會揭曉。若果兩黨繼續未能結束爭持，下周的物價指數隨時也會因此暫停。

 

公布日前可「買定離手」

 

金融市場與經濟數據息息相關。沒有經濟數據的日子，金融市場又會有什麼異常表現？

 

眾所周知，長期而言股票的表現跑贏國債。視乎不同年代、不同經濟環境，兩者的年回報差距由幾厘至近十厘不等，這就是「股票溢價」（equity premium）。較少人留意的是，這個溢價並非平均分布在一年內的所有交易日，而是極為集中，造成「宏觀公布溢價」（macroeconomic announcement premium）的現象：股票之所以能長期跑贏債券，關鍵就在於每年幾十個有宏觀經濟數據公布的交易日。沒有數據的交易日，股票表現其實和債券相差無幾；但在數據公布日，股市回報往往突飛猛進。這些日子成為風險補償的主要來源，市場的大部分回報都在這些「揭盅」時候出現。

 

為什麼？簡單來說，由於宏觀數據並不是每分每秒地公布，而是定時定候地公諸於世，每逢在數據公布前夕，投資者就像面對一個「買定離手」的機會。比如說，在本周五（10日）有重要的就業數據公布，視乎數據好壞，我們會修正衰退出現的機會率，亦會改變對貨幣政策的預期。雖然投資者對數據走勢都有一定看法，並非純粹等開估，但預測是對是錯，始終要等到數據正式公布的一刻才有分曉。

 

「股票溢價」之所以存在，是因為股票表現差的時候往往是在消費者尤其手緊之時（例如衰退）。要投資者冒這個險，股票回報就要有溢價，作為額外的補償。在數據公布前買入股票，可以看成一次「博冇事」的投注：數據出乎意料地差，股票價格就會插水；但數據正正常常的話，股票價格就會上升，作為回報願意承擔這個風險的投資者。

 

戲劇性復常釋放不確定性

 

基於這個邏輯，宏觀數據公布可視為一次不確定性的「釋放」。在公布前，不確定性日積月累；在公布當天，市場集體獲得新資訊，疑慮瞬間消散。當政府停擺導致數據延遲，就等於延長了不確定性積聚的過程。

 

根據以往經驗，勞工統計局與其他政府機構在停擺結束後通常會盡快補發延遲的數據。例如2013年，美國政府自10月1日起停擺16天，原定10月4日公布的就業數據，最終延至10月22日才發布。理論上，等到政府重開、數據終於回歸那一刻，市場的反應只會更加劇烈：平時數據公布日的「股票溢價」已經特別高，停擺之後的第一輪數據公布，其溢價只會更高。

 

理論如此，實際上「宏觀公布溢價」在停擺後是否特別高，則是一個尚未能證實的假說。由於過去政府停擺次數不多，我們沒有足夠數據去作出判斷。有實驗精神的投資者，不妨留意停擺後的數據公布日期，試試能否在公布前入市賺取額外回報。

 

信報財經新聞有限公司版權所有，不得轉載。

Hong Kong Economic Journal Co. Ltd © All Rights Reserved.

 

Get Outlook for Android

HKEJ - Byron Tsang 2025-09-17 [香港M3毋須美元100%支撐] (聯繫匯率制度)

為了駁斥「一位已經移居海外的KOL」，上周本報投資版的「逃出中環」專欄作者區景連，寫了一篇題為〈聯滙為何只需與M0掛鈎？〉的文章，討論聯滙制度除了要求美金百分百支撐貨幣基礎以外，是否也有需要和更廣義的M2和M3掛鈎。

 

區先生指出，M2和M3屬於商業行為，和中央銀行根本沒有直接關係。再者，跟可以準確量度的M0不同，由於M2和M3涉及複雜無比的金融交易，其金額只能估算，金管局實在難以追蹤以確保有足夠外滙支撐。這個答案固然正確，本文目的只為這個答案補充兩點。

 

貨幣供應按流動性排序

 

語言影響思維，「貨幣供應」、「銀根」等用字，本身已是令人覺得莫測高深的術語，用英文字母加上數字變成M0和M3，就更會令人聯想起H2O或H5N1的自然科學世界，因此「你M2M3佔幾多back up先得㗎」之類的語句，才有極具權威的震懾效果。

 

為了破除迷信，先要知道這些概念的定義。金額最少的M0（亦即貨幣基礎或銀根），包括現金和銀行儲備。香港由於實行聯滙制度，兩者包括的跟歐美的有點不同。現金除了政府發行的紙幣和硬幣，還包括發鈔銀行的負債證明書；銀行儲備，則等於總結餘加上外滙基金票據及債券。

 

基礎也者是銀行可以憑着這一筆錢，製造出意義愈來愈廣闊的貨幣。最簡單的教科書例子，是你把現金存到銀行，銀行再把其中一部分借給我，我再把貸款放到銀行（同一間或另一間）。兩個戶口的存款數字加起來，就會莫名其妙地比原本的現金要多。

 

不同的貨幣供應定義，就是把這些製造出來的金額加上去：M1加入活期存款，M2加入持牌銀行的儲蓄及定期存款、存款證，M3則加入有限制牌照銀行及接受存款公司的儲蓄及定期存款、存款證（由於涉及的金融機構太多，搜集數據成本太高，美國早在2006年就沒有公布M3了）。除了金額愈加愈大，定義愈闊的流動性亦愈低：M0等同現金，活期存款出入亦相當靈活，但要動用儲蓄及定期存款就沒有那樣方便了。

 

現時香港的M0為2萬億港元。只計港元的話，M2和M3同為9萬億左右（兩者相差不大，除了是統計問題，原因之一是香港金融監督甚嚴，持牌銀行以外有官方紀錄的借貸活動相當有限）。

 

安全也要講成本效益

 

以上幾段，只是中學程度的內容，本來不值得為此浪費《信報》的篇幅。奈何社交網絡威力強大，不少的陰謀論就是利用大眾基礎知識的不足而傳播開去的。因此在今時今日，再淺白的內容都有重新包裝、一講再講的需要。

 

回說兩點補充。以金融穩定為目標，外滙儲備當然愈多愈好，只是世上沒有免費午餐，現在香港的外滙儲備約3萬億港元，比M0要多，但只是港元M2和M3的不足四成。把外滙儲備增加至4萬億以至9萬億港元，固然會令聯滙制度更無堅不摧，但此舉到底會將災難的機會率減低幾多？須知道資金有其他用途（最直接的是派錢），外滙儲備的存在有其代價，若果多幾萬億是把機會率減低零點零零零零幾，那就不符合成本效益了。打個比喻，車速愈高，交通意外愈嚴重，把全港所有道路的車速限為5公里，定能減低香港交通意外的傷亡，但代價是地上交通龜速近乎停頓。

 

想深一層，還有另一點。當遊戲規則改變，銀行的行為亦會不同。若果金管局要切實執行百分百支撐M2和M3，就需要銀行在製造這些貨幣供應的同時，像負債證明書那樣，把同等數量的美金交給金管局。在此安排下，銀行貸款的成本高昂，其業務還會剩下幾多？到時，外滙儲備根本不需要大幅增加，M2和M3自會大跌，跟貨幣基礎相差不遠（不過，地下貸款活動卻會風生水起），就如當最高車速都是5公里的時候，我們不會見到很多汽車緩慢行駛，而是汽車在路上近乎絕跡。

 

不認識區先生，也不知道他是誰。這篇文章就當是跟同一版的鄰居打個招呼吧。

HKEJ - Byron Tsang 2025-08-27 [銀行總結餘可以不動如山] (銀行結餘)

在2023年5月，銀行體系總結餘開始由高峰下跌，坊間流傳大量的「歸零」、「抽乾」等驚嚇故事。有見及此，金管局總裁余偉文撰寫了一篇網誌，提供了這個答案：「『銀行體系總結餘』是指香港各家銀行設於金管局結算戶口的結餘總和。結算戶口是銀行用來與金管局、與其他本地銀行之間的支付結算，該類戶口的結餘沒有利息。因此，銀行一般都不會在結算戶口存放過多餘額，而結算戶口的結餘只佔銀行資產的小部分。換言之，銀行體系總結餘反映銀行在這個港元『交收平台』上的總流動性，我們的着眼點應該放在整個銀行體系可以動用的資金。」 答案的餘下部分，就是關於銀行如何利用大量「外滙基金票據及債券」取得即日流動性，已經寫過多次，不再重複了。

 

巧合地，是在總裁發表文章後幾日，總結餘終於止跌，維持在450億元左右。神奇的是，這個數字維持了剛好兩年，在2025年5月完結，期間數字只有輕微上落，製成圖表就是一條清楚不過的橫線。為什麼這個情況發生了不止一次，總結餘過去亦曾以年計地保持穩定？

 

屬間接指標 高低影響拆息

 

打個簡單的比喻，我們有些錢放在投資戶口賺取回報，有些錢放在銀包。另外有些錢則會呆在沒有利息的支票戶口，為的就是有需要時可以方便地使用，銀行放在結算戶口的錢亦即總結餘就是這個性質。

 

銀行之間每日都有大量的資金出入，有人入票，有人借錢，涉及的金額可以非常巨大。銀行把錢留在結算戶口，主要是用來跟金管局及其他本地銀行之間的支付結算。上星期本欄解釋過，銀行交易除了靠總結餘的錢，也可以利用「外滙基金票據和債券」，跟金管局借錢解決日常流動性的需求。銀行最理想的做法，當然是全部交易都靠金管局的即日回購，因為「外滙基金票據和債券」有利息收，不似總結餘的錢只會原封不動。只是這些如此吸引的「外滙基金票據和債券」，一直都超額認購，銀行不能完全依靠這個方法，於是就要把小部分資金放進結算戶口了。

 

銀行跟我們的另一不同是要滿足監管需求，銀行不能把收到的全數存款都用作有風險、流動性低的投資，總要把部分資金放到安全的地方，除了現金和「外滙基金票據和債券」，結算戶口就是另一選擇了。

 

因此，總結餘本身是一個「意義不大」的概念，但這個數字的高低卻反映銀行體系的流動性。當資金流入香港，買港股及港樓，銀行的港元存款增加，總結餘自會「水漲船高」，跟隨上升（當資金流入規模太大，令港元觸及強方保證，金管局買美元賣港元，更會直接把資金放到總結餘）。相反，當港元流動性緊絀，總結餘就會下降了。總結餘因此是個間接的指標，而其高低跟銀行同業拆息關係密切【註】。

 

明白了總結餘的意義，我們就知道總結餘何以長時間沒有明顯變動了。資金當然會無時無刻出入香港，但當其金額不大，又或出入大多互相抵消時，香港的流動性沒有大變，總結餘自然就不動如山。只有在資金出入一面倒，甚至觸及強方弱方保證，總結餘才不會是一條橫線。

 

曾見450億元止跌 惟無深意

 

那麼450億元又是否一個有特別意義的數字？港元流動性太多還是太少，其實是個的相對概念，需視乎港美息差，隨着息差收窄，港元流動性就會達到一個均衡水平，總結餘亦會在某個數字徘徊。至於這個數字是幾多則不能說得準，既包括銀行業務環境的微觀因素，也視乎全球經濟走向等宏觀情況。籠統地說，這就像供求交叉的圖表，均衡的量可高可低，沒有一個適用於任何時候的數字。就如今次息差收窄的調整，總結餘不一定會跌至450億元告終。

 

註：值得補充的一點是，總結餘跟拆息的關係並非一升一降。當流動性非常充裕，拆息也不會因總結餘下降而有明顯上升，要到總結餘夠低才有反應。

HKEJ - Byron Tsang 2025-08-22 [香港貨幣基礎三分二] (HIBOR)

眾所周知，香港的貨幣基礎分為負債證明書（即紙幣）、政府發行的流通紙幣及硬幣、銀行體系總結餘、外滙基金票據及債券這四部分。

 

然而，未必有太多人知道的是，現時總值2萬億的貨幣基礎中，外滙基金票據及債券（以下簡稱票據）原來比重最大，佔了接近三分之二，價值1.3萬億。更少人知道的，是這些資產到底有什麼功能。

 

保持銀行運作暢順

 

金管局定期在市場發售票據，而持有的絕大部分為持牌銀行。票據一般是有回報的，亦即銀行付出100元購買，若干時間後可以取回超過100元。

 

銀行持有票據的主要原因，當然不是為了賺取不太吸引的回報，而是因為這些資產有更重要的用途。

 

銀行每日營業，都有大量資金出入，當中隨時涉及天文數字。在幾十年前，銀行的做法是在每日完結前埋數，計算出入的總和，只是隨着金融市場愈來愈龐大，銀行之間的「交通」愈見繁忙，如此埋數方式會有「火燒連環船」的風險：某銀行發現當日不夠錢找數，連累另一間銀行收不到錢，繼而波及其他銀行。

 

為了避免這種情況，加上電腦科技的配合，銀行體系大多在上世紀末開始採用「筆筆清」的結算方式，不會等到每日完結才計數。「筆筆清」的結果，是銀行對流動性的需求大增。每日完結時計數，當日一筆大額流出，可以跟另一筆大額流入相抵消，銀行就不用持有大額的資金。在「筆筆清」的安排下，銀行就要解決每一單交易，需要更多資金了。

 

票據的主要功能，是容許銀行自動把持有的票據暫時賣給金管局，轉換成港元資金，用來跟其他銀行交易。只要銀行可以在當日跟金管局買回票據，便不會收取任何利息，亦即可以免費取得即日的流動性。

 

換取安全之社會代價

 

絕大部分時間，金管局都不會主動增減票據的數量，而是被動地發行新債取代舊債，讓票據的總額隨着市場利率上升。只是在大量資金流入流出香港的非常時期，金管局卻有調節的空間，可以增發票據，從總結餘抽走資金，又或減發票據把資金放回總結餘。

 

銀行體系平常的運作，只會用到1.3萬億的小部分，亦即香港有龐大後盾，足以抵抗可以想像的「大鱷」衝擊，利率不會因對港元的供求突變而大幅波動，不會重演1997年的災難。

 

不過，世上沒有免費午餐。銀行除了可以免費取得即日流動性，持有票據還有利息收，可說是被補貼去維持金融穩定（金管局每次發行票據都出現超額認購的情況，因此相當合理）。補貼的來源，是票據背後的外滙基金，從其平均回報中撥出一部分給銀行。

 

這外滙儲備中的1.3萬億，就是為了透過票據的形式去維持銀行體系運作順暢。外滙儲備作這用途，放棄的就是其他用途，亦即對社會有代價。

 

傳統的說法，是外滙儲備愈多愈好，沒有最安全，只有更安全，1.3萬億雖然是天文數字，但更多必定更好，因此要繼續努力積累下去。惟當安全措施有成本，這個說法根本不合經濟邏輯。

 

現時的票據規模，對香港整體來說，是否符合成本效益？

HKEJ - 曾國平 2025-08-08 [經濟數據怎會有快靚正] (USA)

美國5月和6月的非農就業職位增長，由十多萬修正到逾一萬，7月的初步估算，亦只有7萬左右，同樣令人失望。據說，美國總統特朗普非常不滿這些反高潮的數字，決定解僱勞工統計局（BLS）局長。本欄已在周三（6日）指出，炒人的理由並非那樣簡單。今天更深一層解釋為何數據要修正，以及數據修正如何左右貨幣政策。

 

回覆調查需時 唯有靠估

 

每月公布的就業數據，反映上一個月的情況。在幾周之間，局方要找家庭和商戶作調查、收集答案，再整理成一份報告，時間非常緊湊。只是局方再心急如焚，受訪者也可以愛理不理，遲遲不答覆。於是，在下一個月，亦即首次公布數據的時候，局方可能只收到六成、七成回覆，而回覆中又會有錯誤。為了及時反映就業市場情況，局方唯有睇餸食飯，利用不完整的取樣去製造初步數據。再過一個月，局方收到更多回覆，數字要修正一次。再過一個月，調查已幾乎完成，數字就要修正第二次了。

 

除了取樣不全外，勞工統計局之所以要作出修正，還有一個重要原因。局方取樣約12萬間企業，包括各個行業，旨在按比例反映全國企業情況。只是世界在變，企業會倒閉，又會有新企業成立，這12萬間企業，既會有些從此消失（這些企業會炒人），也未能包括新企業（這些企業會請人）。於是，局方就要在取得的統計數字之上，加入「企業生死」的修正。

 

只是勞工數字每月都要公布，勞工統計局如何及時知道「企業生死」有幾多？這就涉及一個相當技術性的問題了。話說勞工統計局還有另一個名為「季度就業薪金普查」（簡稱QCEW）的數據，幾乎包括美國所有企業和職位，能夠準確反映「企業生死」。只是由於調查無所不包，工程特別浩大，要等大半年才能完成交貨。由於滯後太多，局方唯有建立計量模型，根據QCEW和就業數據過去的關係，推算每個月的「企業生死」。由於事後有QCEW作為參考，勞工統計局每年又會為去年的就業數據作一次大修正。

 

數據出完一改再改又再改，讀到這裏，相信大家都開始一頭霧水。簡言之，就是世上沒有免費午餐，沒有又快又靚又正的數據。要數據夠快夠即時就要犧牲數據的可靠程度，要數據準確反映現實就要耐心多等一會。這個速度與質素的取捨，是收集經濟數據避無可避的現實。

 

聯儲局決策亦參考修訂數字

 

了解到勞工統計局之所以在今年不斷先高估、後向下修正，可以是經濟環境突然變得不明朗所致。峰迴路轉極具戲劇性的關稅政策，加上對政府全力打擊非法移民，一方面令企業不敢增加人手（又或流失了非法勞工），一方面又增加企業倒閉減少企業開張，而這些影響都是持續而緩慢的。

 

比如說，在6月收集到關於5月的數據，都是來自仍然健在、未有明顯受到政策影響的企業，根據這些數據推而廣之，6月公布的就業數據就會看似非常漂亮。到了7月作第一次修正時，收到更多關於5月的調查回覆，發現大多生意慘淡，甚至已關門大吉（愈被打亂陣腳的企業，回覆愈慢），那就要向下修正。到了8月，發現收到的餘下調查結果同樣可怕，那就要再次向下修正了。若果以上假設成立，勞工統計局之所以連環向下調整，只是「依方程式辦事」，加上經濟環境特異的不幸結果，並非有政治目的或陰謀。

 

特朗普同樣不滿的還有聯儲局，理論上，聯儲局奉行的是數據驅動（data-driven）的貨幣政策，亦即每當數據出現變化，政策自會跟隨，由客觀事實帶領，盡量減少主觀判斷。實情當然沒有這樣簡單。當就業數據有至少3個版本，聯儲局應該要及時回應，還是要耐心等待更準確的數據出現？這又回到速度與質素的取捨問題了。貨幣政策當然要因應最新情況作出行動，但最新情況往往是霧裏看花，只有不可靠的數據可用；等到數據變得清楚，塵埃落定之時，貨幣政策已經遲了幾步，為時已晚了。

 

聯儲局採取的中庸之道，大概就是用「移動平均」的角度，除了看最新公布的初步數據，還會參考之前經修訂後的數據，以減少受數據中的噪音干擾。

 

多得就業數據的大修正，證實美國勞動市場甚為疲弱，聯儲局幾可肯定會在9月減息，甚至有頗高機會在10月再減一次。不斷要求減息的特朗普，可說是如願以償了。