模型风险及其控制研究

模型风险及其控制研究

文 / 刘吕科

模型风险的界定

复杂金融产品需要用更尖端的金融工程能力进行适当的风险控制，包括估值、对冲和风险管理等方面。更多金融产品及其市场的出现，增加了定价模型和风险管理模型的复杂性。但随着金融系统变得越来越复杂，对用复杂的计量模型来衡量风险和为资产定价的需求越来越大。但这类模型的可靠性往往随着复杂性的提高而降低，所以当我们最需要模型的时候，模型往往是最不可靠的（Daníelsson，2008）。

总体上，金融市场主要存在两类模型，即定价模型和风险管理模型。模型的使用可能导致各种类型的风险。在定价模型中模型风险被定义为“不能准确评估市

场价格”的风险；而在风险管理模型中模型风险则被定义为“不能精确估计未来损

失发生概率”的风险。在模型应用的实践中，金融机构过分依赖并夸大风险模型的解释能力，或录入错误的数据，或由于人为的失误操作等造成模型分析结果与实际结果偏离过大的现象被学界和业界称为模型风险。模型风险一般和过强的模型假设或不恰当的使用目的相联系。随着风险模型在金融机构内部风险管理、资本合规、资金定价等方面的使用不断深入和广泛，

导致模型风险的因素也不断增加。这些不断增加的风险因素进一步增强了模型风险的复杂性，为有效控制模型风险带来了更大的挑战。

金融危机以来对模型风险研究的最新进展

历史上最近发生的几次系统性金融危机事件几乎都和过度依赖模型有关（如表1所示）。

表1：模型风险与系统性危机

资料来源：作者整理。

插图：张超

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。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。本次金融危机表明，事前估计压力事件概率的方法存在问题，用于计算概率的统计关系在压力条件下往往不成立。此次危机也使得学界及业界对模型的局限性有了更深刻的认识（Daníelsson，2008；Greenspan，2008）。概括起来，模型的局限性体现在四个方面：首先在于模型的假设不完备，模型假设与现实脱节；其次，模型的数据质量有待提高，包括数据的可得性及数据区间长度等方面；同时，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；最后是行为人的有限理性，模型很难刻画行为人投资决策中的认知偏差。

不完备的模型假设是导致模型失败的首要原因。绝大多数模型中的一个假设即市场数据分布是随机过程，它仅仅取决于

自身及其他变量的历史变化，市场损失在

本质上是随机的而不是相关的。风险模型

越来越得到重视的一个重要问题是非线

性，或者是改变的相关性。很多模型低估

甚至完全忽视不同资产组合或资产等级之

间的相关系数，大多数模型将波动性和相

关系数看作为固定的（Duffie，2007）。

一个高的损失相关系数意味着一旦损失发

生，损失将非常严重。模型中的损失分布

对模型中估计的相关系数非常敏感。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

济中产生显著性的结构或行为改变，这种

简略形式的模型预测效果较差。

还有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

（Borio,2008）。风险模型的采用建立在

数据质量较好的前提下，模型输入数据的

较小瑕疵可能导致模型分析结果的较大偏

离。同时，金融机构可用来对数据的有效

性进行验证的方法和数据来源有限，这造

成金融机构很难对模型输入数据的有效性

作出合理的判断。事实上，小样本的历史

数据导致了有偏结果（Basel Committee

On Banking Supervision Joint Forum，

2008）。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。信贷标准的降低及

伴之而来的逆向选择同样降低了模型的效

果。据记录，2005～2007年，超过50%的

次级贷款是基于这种有限的信用记录的

（Krinsman，2007）。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。

对风险的模型化影响到风险损失的分

布，Daníelsson et al. (2002)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

插图：张超

易策略，则将改变风险的分布特性。不同企业风险模型的相互作用产生了协调失败问题。

同时，对金融风险的模型化面临着来自模型个体行为的挑战。现有研究已经证明了行为人各种各样认知偏差的存在，如过度自信、过度乐观和现状偏见等。同时，绝大多数资产支持证券的投资者对基本风险模型或者模型的优点与缺陷知之甚少。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理解程度。投资者信心也会随境况的不同而不断发生改变（Plosser, 2009）。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。

尽管模型存在诸多局限性，但这并不意味着计量模型不能在风险决策中采用。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。因此，我们应对模型的局限性有清醒认识，建立完善的模型风险管理组织，利用健全的模型风险管理工具，以有效管理和控制模型风险。

模型风险的管理组织

完善的管理组织是有效控制模型风险的前提，模型风险的分析工具、管理流程和信息系统都必须建立在完善的管理组织构架基础上。完善的管理架构能够有效规避风险管理链条中的疏漏，及时发现风险因素，将损失降低到最低水平。在很大程度上，模型风险管理组织架构的完善程度决定了模型控制的有效性、全面性。模型风险的管理组织构架主要包括组织授权与

人才培养、模型的定期检查、对模型使用

的日常监督以及与业务前台的充分交流等

几个方面。

（一）组织授权

金融机构必须对模型风险有深刻的认

识。这种认识不仅应作为决策时的辅助信

息，而且应融入到管理决策过程中。金融

机构应建立独立的模型管理部门，该部分

的功能应与模型使用及开发部门的功能独

立。模型控制部门必须仔细调查机构中所

使用的模型，有权对模型的修正与提高原

则性方向进行控制。模型控制部门必须能

够充分把握模型的本质，并有足够的知识

储备对模型进行分析或修正。

（二）对模型有效性的检验

当模型被开发以后，对模型的日常检

查至关重要。使用经过检验的模型可能给

机构带来巨大的损失。因此，与业务前台

独立的模型检查控制部门必须对新模型进

行彻底检查，包括假设的合理性，模型计

算价格和市场实际价格的一致性，数据质

量的优劣等方面。这些检查程序必须嵌入

到金融机构内部规章之中，成为使用风险

管理模型必不可缺的环节。

（三）对模型的日常检查

使用已经得到审批而没有进行日常监

督检查的模型同样是危险的。这是因为模

型必须经常进行微调以反映市场变化。模

型控制部门应对市场的结构性变化给予足

够的关注，适当且及时地对模型参数进行

调整。此外，当模型应用于新产品或新的

地域时，模型控制部门必须重新检视各项

参数，以适应新的变化。次贷危机也反映

出对这两方面管理的疏漏易带来系统性的

危机。

（四）与业务前台的交流

由于模型是用来反映市场结构的，模

型控制人员必须对市场的最新变化有深

刻理解。而业务前台离市场最近，且需要

有关市场情况的大量信息，故模型风险控

制人员必须与业务前台保持紧密和经常的

交流，以对市场的最新情况有较全面的掌

握，对当前的风险头寸有清楚了解。

同时，我们应意识到，对模型过于繁

细的检查不仅可能导致大量成本，而且容

易降低模型开发部门的积极性。在对模型

运用不广泛的情况下，投入大量的模型风

险管理成本也是没有必要的。因此，模型

风险的控制应在降低模型风险至一定水平

和风险控制成本之间保持平衡。

模型风险的管理工具

对模型风险的控制离不开合理的管理

工具和方法。这些工具可以有效嵌入模型

风险管理流程之中，为模型分析结果的准

确性提供定量的检测标准，并为识别模型

假设的有效性及合理性提供合理的规则。

同时，模型使用者也可根据其经验对分析

工具给出的结果进行适当调整，并在模型

的使用过程中不断优化模型的准确性。

（一）模型风险的损失准备

为模型风险可能带来的潜在损失提供

准备金，可以有效降低模型风险的放大效

应。当有关市场数据波动率和其它因素不

可得时，损失准备的使用是切实可行的。

同时，模型风险损失准备金的使用能够有

效提振投资者对模型的信心，从而降低机

构的声誉风险。

（二）情景分析与压力测试

当采用定价模型时，业务前台总是对

当前市场条件有一定的认识。当市场情况

急剧变化而改变了模型的基本参数时，损

失准备金适时运用。另外一个手段即使用

历史的市场情景剧烈变动的数据，观测模

型中参数改变的趋势与幅度，分析模型计

算结果和市场实际结果之间的差距。如在