浅议风险管理模型内在局限性

论文导读：
摘要：本轮金融危机再一次证明了风险管理模型的局限性。本文结合风险管理模型国际研究目前状况及实践，从假设、数据质量、内生性风险及行为人的有限理性四个方面分析了风险管理模型的局限性，并对正确看待和使用模型提出相关倡议。
关键词：模型假设；数据质量；内生性风险；有限理性
1003-9031（2014）06-0072-05DOI：10.3969/j.issn.1003-903

1.201

4.06.15

一、引言 金融创新可以使许多流动性较差以及难以交易的金融资产以证券的形式在市场上流通，推动全球金融市场的深化。随着金融环境及金融系统复杂性的不断提高，对采用模型评估和预测风险水平的需求不断加大。但金融环境越动荡，系统越复杂，风险模型的可靠性越差，因此在一定程度上，当我们对模型的需求越强烈，模型可靠性越差[1]。一般来说，风险模型对衡量频率较高小事件的风险例如内部风险管理较有效果，但很难用来评估系统性重要事件[2]。最近历史上发生的几次系统性危机事件都在一定程度上和过度使用风险模型有关（见表1）。
1987年，美国股票市场的崩盘是和投资者没有很好理解基于计算机系统的模型分不开的。由于这些模型的同质性和不适当的运作模式，导致许多机构投资者争相卖出资产，使得股票指数急剧下跌[3]。1998年长期资本管理公司（LTCM）的破产再一次证明了风险模型的失败。这种失败是由于对模型的过度依赖造成的。在危机发生前，基金经理认为他们能以很小的风险辨别出巨大的投资机会，基于计算机的模型可以采用大量的历史市场波动数据准确计算和评估风险。基于一系列假设，他们认为可以以很小的风险，有效的管理一个复杂的金融工具组合。俄罗斯在1998年对其主权非预期性的违约导致了全世界资本市场剧烈的波动和信用息差的突然和急剧升高。这些信贷市场非预期的波动给LTCM带来了巨大的损失，最终导致其倒闭[4]。而2008年又是一个让人想起风险管理模型失败的年份，对信用评级及信用评级模型的过度依赖一直被认为是导致次贷危机发生的重要理由之一。在本轮危机中，世界范围内绝大多数金融机构的风险管理体系被认为是缺失的，这次金融危机表明事前估计压力事件概率的策略是存在理由的，在压力条件下，用于计算概率的统计关系往往是不成立的。此次危机也使学界及业界对模型的局限性有了更为深刻的认识[5]。从总体来看，模型的局限性体现在三个方面：一是模型假设不完备，它与现实是脱节的；二是无论数据的可得性及数据区间长度等方面的数据质量都有待提高；三是由于模型的内生性，过度依赖模型可能导致内生性风险和同质性风险；四是由于行为人的有限理性，风险模型很难捕捉行为人投资决策中的认知偏差。

二、模型假设的局限性

模型失败的首要理由之一是不完备的模型假设[6-8]。尤其是在资产证券化的过程中，对潜在资产风险模型化假设的微小疏漏可能导致对资产支持证券风险模型的极大错误。当对以这种证券为潜在资产的金融衍生品的风险模型化时，这种错误会被进一步放大。许多风险模型的一个假设为市场数据分布是服从随机过程的，市场数据的变化仅取决于自身及其他变量的历史变化，市场损失在本质上是随机而不是相关的[9]。以在市场风险衡量中广泛采用的在险价值（VaR）策略为例，许多模型采用巴塞尔银行监管委员会（BCBS）推荐的策略，采用时间的平方根法则，即通过一个一天的VaR数据乘以10的平方根，得到一个10天的VaR数据。这些都建立在很强的假设的基础之上。首先，收益是独立同分布的。其次，收益是正态分布的，波动性在整个时间段内是独立的。最后，波动率在所有时间段内是相同的。
风险模型预测结果的非线性越来越得到学界及业界的重视。市场中组合信用风险模型一般都是只从历史视角考察风险因子和结果的简略形式。当经济环境产生显著性的结构或行为转变时，模型预测效果较差。较早研究资产非线性相依理由的是Erb et al. （1994），他们在三种市场情境下（牛市、熊市和平市）考察不同资产的月度相关系数[10]。他们发现当市场上行时，美国和德国的资产相关性仅有8.6%。当两个市场同时下行时，相关性增加到52%。类似的结果在许多其他研究中得到体现。风险资产间正的相关系数会随着市场急剧下行变得越来越大。与此同时，股票和国债间的相关性会由正的转变为负。风险规避的冲击会带来股票于债券的负相关性[11]。Yang et al.（2009）的研究发现，如果短期利率较高且通货膨胀处于较高水平，股票与债券的相关系数急剧升高[12]。
很多模型低估或完全忽略不同资产组合或资产等级之间的相关性，绝大部分模型将波动性和相关系数看作是固定的[13]。高的损失相关性意味着一旦损失事件发生，损失将非常严重，因此模型预测的损失分布对模型中估计的相关性较为敏感（见图1）。同时，不同资产等级之间损失分布对相关系数的敏感性不相同[14]。相同资产组合在不同经济情境下的相关系数也不相同。与正常时期，或是与危机时期相比，估计的相关性在市场上行时期会较低。在市场崩盘情况下，所有资产的相关系数接近100%。但大多数风险模型没有将其考虑在内，对相关性的估计建立基于正常市场条件下。所以，这些模型通常低估组合的风险。尽管相关系数随时间变化已经被广泛研究，但是这次危机显示有些情况下，分散风险的收益比标准模型预期的要低[15-18]。有效的资产证券化取决于潜在资产损失的低相关性，资产证券化的一个重要收益——通过资产池分散风险——取决于这些资产的损失是不相关的这个前提下[19]。不同资产之间相关系数及其变化意味着从一种资产中的损失并不能以从另外一种资产中的获益而得到对冲[20]。这也是本次金融危机在看起来完美对冲的情况下出现大量违约的根本理由。

三、数据质量的局限性

数据质量在很大程度上影响模型的准确性和稳定性，一些学者认为没有足够的历史数据是导致模型失败的直接理由[21]。数据上的任何错误都会对计算的精确性产生严重影响。可被银行用来估计损失特征的数据来源和策略相对有限，此外这些数据来源相互之间具有明显的不一致性。论文导读：thinterdependentchoice.OxfordReviewofEconomicPolicy，Autumn，1999：52-62.Danielsson，J.Zigrand，J.-P.Whathappenswhenyouregulaterisk？Evidencefromasimpleequilibriummodel.Workingpaper，LSE，2001.Danielsson，J.andShin，H.S.Endogenousrisk.InModernRiskManagement—AHist
事实上，小样本的历史数据导致了模型预测值与实际发生值的较大偏差[22]。在模型化消费者信贷组合的风险分布或逾期损失分布时，模型开发人员采用了相对较短的历史。例如许多金融机构的住房抵押贷款风险模型构建在一个较短的时间期。在许多情况下，模型没有将上世纪九十年代早期的房市衰退考虑在内。类似的，假如2007年的模型只采用其前7年的历史数据，就有可能疏漏一些重要信息如1998年LTCM危机的数据，即使该模型采用了其前15年的数据，它也疏漏了1987年股市崩盘的数据。

六、结论及其对我国实践的借鉴作用

尽管模型存在诸多局限性，但这并不意味在风险决策中完全不考虑计量模型。与此相反，风险模型在金融机构的内部风险管理运作中扮演着越来越重要的角色，正如Kato and Yoshiba（1999）所指出的，尽管模型的局限性非常清楚，但许多市场参与者依旧在其决策中采用模型[28]。更进一步，模型已经成为发展新的金融产品及其风险管理的必不可少的工具。在很大程度上，尽管模型风险的存在，市场参与者也没有停止使用模型的可能性。
相对西方银行业较为成熟的风险管理体系，我国银行业在数据积累、模型开发与验证、模型应用等方面还存在较大差距。现阶段我国各家银行都在围绕新巴塞尔协议Ⅲ合规构建各类风险管理体系，在内部评级体系建设、操作风险高级计量法和市场风险内部模型法建设方面，取得了一定进展。但在构建风险管理体系的同时，我们应该关注我国银行业对风险管理模型的两种偏激看法。一种观点认为风险模式只是摆设，仅仅是为了满足合规要求；另外一种观点认为风险模型无所不能，完全忽视或省略了对模型使用过程中的人工干预。对这两种观点我们应该保持较为清醒的认识。首先，我们在构建模型时，应意识到其在模型假设、数据质量及行为人有限理性等方面的局限性，针对这些局限性做好预防或应急措施。同时，我们应积极的看待风险管理模型在风险管理水平提高及效率提升方面的重要作用，但绝对不能过度依赖风险管理模型，应采用独立验证或返回检验的方式，对模型结果与实际情况的偏离保持清醒的认识。与发达国家相比，我国在风险管理模型的开发与使用上还存在相当的差距，部分理由在于我国还未形成较为活跃的信用衍生品市场，数据积累的数量及质量都有待提高；另外一个重要的理由在于我国还缺少风险管理模型开发、运转、维护及验证等方面的人才与技术。在此情形下，我国应该借鉴西方发达国家经验，积极引进人才和技术，构建完善的风险管理体系，同时有效的管理模型风险，合理有效的使用风险管理模型，提升风险管理的水平和风险管控的能力，以适应日趋激烈的全球化金融竞争环境。■
（责任编辑：张恩娟）
参考文献：
[1]Danielsson，J. Blame the Models？[J]. Journal of Financial Stability，2008，4： 321-28.
[2]Danielsson，J. The emperor has no clothes： Limits to
risk modelling [J].Journal of Banking and Finance，2002，26（7）：1273-1296.
[3]Bookstaber，R. A Demon of Our Own Design： Markets， Hedge Funds， and the Perils of Financial Innovation[M]. Hoboken， NJ： John Wiley& Sons，2007.
[4]Lowenstein，R. When genius failed： the rise and fall of long-term capital management[J]. Random House，New York，New York，USA，2000.
[5]Greenspan A. We will never he the perfect model of risk”， Financial Times[N]. March 16， 2008.
[6]Morris， S.， Shin， H.S. Risk management with interdependent choice[J]. Oxford Review of Economic Policy，Autumn，1999：52-62.
[7]Danielsson，J. Zigrand， J.-P. What happens when you regulate risk？ Evidence from a simple equilibrium model[C].Working paper， LSE， 2001.
[8]Danielsson， J. and Shin，H. S. Endogenous risk. In
Modern Risk Management—A History[M]. Risk Books，2003.
[9]Fender，I and J Kiff. CDO rating methodology： some thoughts on model risk and its implications[C].BIS Working Papers，no 163，November （ailable from ovements[J]. Journal of Financial Markets 10（May）， 2007：192-218.
[12]Yang，J.，Y. Zhou， and Z.Wang.The stock-bond correlation and macroeconomic conditions： One and a half centuries of evidence [J].Journal of Banking and Finance， 2009，33（4）： 670-680.[13]Duffie， D. Innovation论文导读：07.CommitteeontheGlobalFinancialSystem.Theroleofratingsinstructuredfinance：issuesandimplications.BankforInternationalSettlements，Basel，January（ailablefrompositionforlong-termassetreturns.JournalofFinance，1993，48（1）：3-37.Ang，A.andG.Bekaert.Howregimesaffect
s in credit risk traner： Implications for financial stability[C]. mimeo， Stanford University，2007.
[14]Committee on the Global Financial System.The role of ratings in structured finance： issues and implications[R].Bank for International Settlements，Basel，January （ailable from position for long-term asset returns [J]. Journal of Finance，1993，48（1）： 3-37.
[16]Ang， A. and G. Bekaert.How regimes affect asset allocation？[J]. Financial Analysts Journal，60（March/April）：2004：86-99.
[17]Campbell， J.Y.， A.V. Sunderam， and L.M. Viceira. Inflation bets or deflation hedges？ The changing risks of nominal bonds[C].NBER Working Paper 14701，2009.
[18]Baele， L.， G. Bekaert， and K. Inghelbrecht. The determinants of stock and bond return comovements [J].Review of Financial Studies，2010，23（6）：2374-2428.
[19]Coval，J.J.Jurek，and E. Stafford.The Economics of Structured Finance [J]. Journal of Economic Perspectives，2009，23：3-26.
[20]Taleb，N. and A. Pilpel，Epistemology and risk management[J].Risk and Regulation，13： 6-7.
[21]Borio，C. The financial turmoil of 2007-？： a preliminary assesent and some policy considerations[C].BIS Working Paper No，2008：251.
[22]Basel committee on banking supervision joint forum.Consultative document： proposed revisions to the basel II market risk framework （July）[R].plex systems in economics[J]. Cambridge Journal of Economics，2006，29：873–92.
[26]刘吕科.模型风险及其制约研究[J].农村金融研究，2012 （4）： 49-52.
[27]Plosser，C.I. Financial Econometrics， Financial Innovation，and Financial Stability [J].Journal of Financial Econometrics，2009，7（1）：3-11.
[28]Kato，Toshiyasu， and Toshinao Yoshiba. Practical Usage of Models for Financial Derivative Products.[C] IMES Discussion Paper No，1999：99-J-24.
收稿日期：2014-05-13
作者简介：刘吕科（1984-），男，河南泌阳人，北京大学光华管理学院博士后流动站和中国民生银行博士后工作站，现供职于中国民
生银行；
郭 代（1982-），男，四川遂宁人，中国农业大学经济与管理学院博士研究生，现供职于中国民生银行。