风险管理模型的内在局限性探析

刘吕科 郭代

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现状及实践，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建议。

关键词：模型假设；数据质量；内生性风险；有限理性

中图分类号：F832 文献标识码：A〓文章编号：1003-9031（2014）06-0072-05DOI：10.3969/j.issn.1003-9031.2014.06.15

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，促进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原因之一。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方法是存在问题的，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

模型失败的首要原因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）方法为例，许多模型采用巴塞尔银行监管委员会（BCBS）推荐的方法，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改变时，模型预测效果较差。较早研究资产非线性相依问题的是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，相關性增加到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原因。

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原因[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方法相对有限，此外这些数据来源相互之间具有明显的不一致性。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。

同时，由于信息技术的进步和资产证券化技术的不断发展，银行信贷审批的标准不断降低。信贷准入门槛的降低及随之而来的逆向选择问题降低了模型预测的效果。据统计从2005—2007年，超过50%的次级贷款的信用记录是不完备或残缺的[23]。低信用记录贷款在没有借款人收入及职业记录的情况下提供不准确的信息，造成模型分析失真。模型结果失真增加了抵押贷款的风险，更进一步增加了抵押贷款支持证券的风险，风险的累积最终导致次贷危机的爆发。因此不能只关注模型的设计等技术层面，更应关注数据输入和模型使用的激励。模型选择并确定以后，需要数据录入，如果没有精确的信息录入，即使完美设计的模型也不能很好的衡量风险。很多情况下，在记录被用来度量违约概率（PD）和违约损失率（LGD）的原始数据时，不同的数据来源和机构明显使用了不同的“违约”和“损失”定义。同时，数据之中的绝大部分都未能保留完整的截面数据和时间序列数据，只有通过长时间的积累才能解决数据匮乏问题。在统一数据收集及清洗标准，积累跨经济周期数据方面，中国面临着比发达国家更大的挑战。我国银行在构建内部评级体系的过程中，数据质量是制约模型开发的一个最为重要的因素。客户评级模型需要至少有5年的数据积累，而债项评级至少需要有7年的数据积累，并覆盖一个完整的经济周期。而我国还未经历一个真正意义上的完整经济周期，因此在内部评级体系构建过程中，难以达到巴塞尔协议的审慎要求，这就要求我国银行在评级体系构建的过程中应对评级结果采用更审慎的态度，合理采用压力测试和敏感性分析等方法，在一定程度上弥补数据积累周期不足的缺陷。

四、内生性风险

在市场稳定时期，市场参与者各自行为，有卖出资产，也有买进资产。但在危机时期，市场参与者的行为将变得更加类似，更倾向于卖出风险资产。从众行为导致市场参与者的相似作为，金融风险的统计特性是内生的。如果每个金融机构都有各自的交易策略，则没有个别的技术方法能够导致流动性危机。但是由于市场的非完全性，每个机构的交易行为在一定程度上影响着市场价格，市场的收益与损失分布对于银行的决策行为是内生的。风险不是如大多数风险模型假设的那样，是外生的随机变量。在很大程度上对风险的模型化评估本身影响到未来风险损失的分布，Daníelsson and Shin.（2003）将其定义为模型的“内生性风险”。一个风险模型是对所有市场参与者加总行为的模型化，但是如果许多这样的参与者执行相同的交易策略，这将改变未来风险损失的分布特性。不同企业风险模型的相互作用产生了协调失败问题[24]，金融机构间的风险管理策略的同质性可能增加系统性风险，如果机构有相同的策略和相似的组合，市场冲击导致机构同时卖出相同的资产以保持头寸。大范围的卖出会导致这些资产价值暴跌和触发另一种资产或另外一种等级资产的折价出售，风险管理和模型的同质性因此可能导致市场价格的螺旋式下降。

模型假设建立在“市场上有很多参与者，他们的行为方式各不相同，但基于个体行为加总的集体行为是随机的，个体行为对市场价格没有影响”的假设之上。这意味着风险模型的工作有点类似于“天气预报”：“可以预报天气，但不能影响天气”。这个假定有很多不足，如果风险评估影响人们的行为，假定市场价格服从一个独立的随机分布是不恰当的，尤其是当市场下行时，市场参与者的从众行为会进一步放大这个效应。市场数据的风险特性随着观察值的改变而改变，金融市场是一个复杂的自适应系统，因而会展现出非线性行为，也会伴随非均衡和难以预测的振幅[25]。市场上的每个参与者都有很强的激励进行创新以获取高于市场的收益，行为人根据市场上其他参与者的行为调整决策，这种适应性反应导致投资策略和金融产品的创新，也进一步给市场增加了复杂性。因此，风险模型和风险管理不能以静止的觀点看待市场。

此外，不同类别的风险也是相互影响。一种风险类别的损失可能导致其他形式的风险损失，例如市场风险触发信用风险（非预期的利率上升可能导致借款人的违约或变得不稳定，这就使得他们的贷款人和衍生的对手方面临信用风险）。信用风险触发流动性风险，流动性风险带来信用和市场风险，以上风险又能带来更具综合性特征的声誉风险和系统性风险。在此情况下，将风险分为不同风险类别进行衡量的风险模型可能严重低估风险，风险模型的内生性风险恶化了这个问题。同时，风险在危机时期的分布异于其他时期，因此在一定程度上，风险模型不仅对降低系统性风险无益，而且可能导致价格的大幅波动和流动性的急剧匮乏，恶化危机。

五、行为人的有限理性

对金融风险的模型化面临着模型个体行为的挑战，现有研究已证明了行为人各类认知偏差的存在，如框架效应、过度自信和现状偏见等。同时，在金融市场上绝大多数资产支持证券的投资者对风险模型或者模型的优点与缺陷了解较少。这种情况不仅限于新的金融工具，在现代金融理论框架下发展的各类模型中，投资者对其具有不同的信息纬度和不同的理解程度。投资者信心也会随着境况的不同而不断发生改变，投资者的有限理性制约着模型效果。例如，行为人容易低估负面事件尤其是从遥远从前来看的小概率事件发生的概率，事件发生的时间距离决策期越久，在决策中的权重就越低。如果稳定期持续时间足够长，这种主观判断方法就越具有支配性[26]。

当这些模型相对较新或较复杂时，对这些基本模型认知的投资者信心可能发生很大的转变[27]。这些信心的转变可能放大对投资者关于随机状态变量实现可能性的冲击，例如利率或宏观经济条件，当先前预测与现实数据有较大偏离时，很难厘清这个结果是状态变量的改变或是模型的疏漏，尤其是当基本模型构架是模糊的时候。安然破产给金融市场带来的破环不是关于投资者关于经济状况的市场观点改变的结果，而是反映了其对会计准则的可靠性失去信心。类似的，次贷危机导致的金融紊乱在很大程度上反映了投资者对评级机构信心的丧失，投资者对各类证券的风险在很短的时间内改变了。现有的模型构建方法很难将模型疏漏或模型不确定性避免以有效保持投资者对风险模型的信心。

六、结论及其对我国实践的借鉴意义

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意义，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，部分原因在于我国还未形成较为活跃的信用衍生品市场，数据积累的數量及质量都有待提高；另外一个重要的原因在于我国还缺少风险管理模型开发、运行、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 have 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 （available from www.bis.org），2004.

[10]Erb，C.， Harvey， C.R. Viskanta，T. Forecasting international Equity correlations [J]. Financial Analysts Journal，1994，50 （6）：32-45.

[11]Connolly， R.，C. Stivers， and L. Sun. Commonality in the time-variation of stock-stock and stock-bond return comovements[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. Innovations in credit risk transfer： 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 （available from www.bis.org），2005.

[15]Campbell，J.Y. and J. Ammer.What moves the stock and bond markets？ A variance decomposition 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 assessment 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].www.bis.org，2008.

[23]Krinsman A. N. Subprime Mortgage Meltdown： How did it happen and how will it end？[J].The journal of structured finance，2007，8（2）.

[24]Kojima，F.and S. Takahashi. Anti-coordination games and dynamic stability[J]. International Game Theory Review，2009，9： 667-688.

[25]Foster，J.From simplistic to complex systems in economics[J]. Cambridge Journal of Economics，2006，29：873–92.

[26]刘吕科.模型风险及其控制研究[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

作者簡介：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。