1、风险度量的幻觉与基于模型的银行资本监管方法摘要：巴塞尔协议将新资本协议的缺陷，看成是可以通过提高资本充足标准来改进的缺陷，没有系统地分析现有银行监管模式中所存在的问题。文章分析了风险度量模型所存在的一些内在缺陷，并指出，巴塞尔银行监管模式的基本假设金融风险可以通过先进模型来准确度量，其实只是一种幻觉。文章同时指出，如果模型不能准确地度量风险，在现有的基于模型的银行监管模式下，更高的资本充足要求，只会激起银行更大的监管套利动机；更为重要的是，这种银行监管模式容易引发内生性风险，从而危及整个系统的稳健性。因此，在提高核心资本标准的同时，巴塞尔委员会应考虑如何更加科学地对银行实施资本充足监管。 关键
2、词：巴塞尔协议；金融监管；内生性风险；系统稳健性 一、问题的提出 最低资本要求应该反映各个银行的风险状况，这是巴塞尔委员会倡导的银行监管新理念。为使这种监管理念付诸实践，最近 20 多年来，努力提高最低资本要求对银行风险的敏感性，是不断改进的巴塞尔协议的主要设计目标。在早期的银行监管中，控制资本与负债比例是许多国家采用的方法，因为这个比例越高，银行资本能起到的缓冲风险的作用越大。然而，尽管这种监管方法简洁透明，不仅便于银行运用、而且便于监管者核查，但其缺点是，资本充足要求只与银行资产的数量有关，而与银行实际承担的风险无关。由于高风险资产可以获得高收益，这种只控制资本与负债比例的方法，会诱使银行
3、将资产配置从低风险转向高风险，从而危及银行业的安全性。 为了提高最低资本要求对银行风险的敏感性，继在 1988 年的资本协议中提出了信用风险度量的风险权重法后，在 1996 年的资本协议关于市场风险的修订案以及在 2004 年的新资本协议中，巴塞尔委员会又引入了一种基于模型的银行资本监管方法：鼓励银行采用内部模型来度量风险，并据此计量最低资本要求。巴塞尔协议的这种银行监管模式，其蕴含的基本假设为：金融风险是可以准确度量的只要通过监管资本激励的制度安排，鼓励银行采用先进的风险度量方法。然而，尽管基于数理模型的先进风险度量方法在西方国家银行业中已经得到了普遍运用，尽管认为金融风险可以准确度量已经成
4、为一些国家银行监管机构的信念，但2007-2008 年间全球金融危机的发生却表明，巴塞尔银行监管模式中还存在着严重缺陷。不仅暴露出金融风险可以准确度量的信念其实只是一种幻觉，而且基于模型的银行资本监管方法也加剧了整个系统的脆弱性。巴塞尔银行监管模式中的缺陷，被认为是引发全球金融危机的一个重要原因。 在后危机时代，改革现行的监管模式，使银行系统更加稳健，减少金融风险溢出对实体经济的影响，已经成为许多国家的共同诉愿。2009年 12 月，为响应 20 国集团领导人峰会提出的希望进行银行业监管改革的要求，巴塞尔委员会发布了关于加强银行业资本标准和流动性监管的两份咨询文件，即巴塞尔协议 。在这两份文件
5、中巴塞尔委员会意识到，在次贷危机爆发前许多银行过低的资本充足率，是导致次贷危机加剧、并最终演化为全球金融危机的重要原因。为了改变银行业资本充足率过低的状况， 巴塞尔协议对银行的资本充足率提出了更为严格的标准。然而在这两份文件中，巴塞尔委员会并没有系统地分析为何在实施了新资本协议后，一些银行的资本充足率会如此之低？为何其一直倡导的基于模型的银行资本监管方法，在本次危机中会表现得如此失败？巴塞尔协议是巴塞尔委员会对新资本协议所做的一种改良。然而，这种改良只关注到许多银行资本充足率低的现象，却没有深入分析造成这种现象的内在原因，没有反思其一直倡导的基于模型的银行资本监管模式是否存在问题。那么，如果这
6、种改良早几年提出，是否就能有效防范本次金融危机的发生？如果考虑到巴塞尔协议继续沿用了基于模型的银行资本监管方法，而正是这种方法造成了次贷危机前许多银行过低的资本充足率；如果考虑到与新资本协议一样， 巴塞尔协议同样缺乏坚实的理论支撑和扎实的实证支持，那么对这个问题就很难给出肯定的回答。在后危机时代，对现有的银行监管模式是需要进行认真反思，还是只要做些改良，这个问题正在引起学术界的关注。本文是对这个问题所做的分析。 二、数理模型的缺陷与风险度量的幻觉 在今天的社会科学领域中，没有哪个领域的发展，像金融领域的发展那样，紧密伴随着、甚至在很大程度上依赖着数理模型的发展。现代金融领域对数理模型的依赖，不
7、仅体现在理论研究文献中，而且反映在具体的金融产品创新和交易策略设计中。在如今的金融机构中和金融市场上，充满着各种利用数理金融模型和金融工程技术开发出来的复杂金融衍生产品和投资交易策略。最近三十多年来，随着金融系统复杂性的不断增加和数理金融模型的不断发展，现代金融业对数理模型的依赖越来越强：我们依赖模型给复杂的金融衍生产品定价，依赖模型预测和管理金融风险，依赖模型设计金融机构的投资交易策略，甚至依赖模型计量对银行的监管资本要求。 然而很不幸的是，当现代金融业对数理模型越来越依赖时，数理模型的可靠性却随着金融系统复杂性的增加而降低了。现代金融业建立了许多模型来给金融产品定价，来预测和管理风险，然而
8、，当金融危机来临时，当我们最需要这些模型发挥作用的时候，往往却是这些模型最失败的时候。1987 年 10 月美国股票市场崩盘时是如此，1998 年长期资本管理公司危机发生时是如此，美国次贷危机和全球金融危机发生时也是如此。当然，数理模型的失败，并不意味着现代金融业不需要模型。数理模型是很有价值的，尤其是在一些金融产品定价和金融机构的内部风险管理中如果模型的缺陷能够被认识到，如果模型能够被合理使用的话。然而，当数理模型的缺陷被忽略，当现代金融业对数理模型过度依赖，乃至于形成风险度量的幻觉，认为复杂的金融风险可以利用先进的模型来准确度量，甚至认为可以依靠数理模型来维护银行系统的安全性时，这种失败的
9、根源就形成了。 本文认为，数理模型的缺陷，首先体现在模型的预设前提的脆弱性。如果基于金融经济学的视角分析，那么现代金融业中的很多风险度量模型，都可以看成是建立在不确定条件下的决策理论基础上，依据等价效用原则而推断得到。比如说，巴塞尔协议建议采用的 VaR 和受到学界推崇的 ES，就可看成是基于 Yarri 的对偶理论和等价效用原则而推断得到。由此关系我们可以知道，风险度量模型的隐含假设为：（1）金融资产的不确定是风险（Risk） ，投资者不仅知道未来可能发生的各种结果，而且知道对应的概率；（2）投资者的风险态度由效用函数决定，风险态度不会随着金融市场的演化而改变；（3）投资者是理性的，不会受到
10、“动物精神”的支配，其决策行为不会受到诸如信心、情绪等因素的影响。风险度量模型的这些假设，在为模型构建提供了便利的同时，却忽略了许多驱动金融资产价格变动的重要因素。比如说，在这样的假设条件下，投资者的情绪变化对金融资产的价格和流动性、进而对金融风险的影响完全被忽略。事实上，在现有的风险度量模型中，投资者情绪和流动性因素对金融风险的影响，是两个被普遍忽略的重要因素。 然而在现实的金融市场上，风险度量模型的假设并不为真。最近几十年来，由于各种金融创新产品和复杂交易策略的出现，除非遭受到了重大损失，其中蕴含的许多风险是投资者无法事先估计，更不用说准确估计。典型的例子是，即使是国际著名的评级机构，也无
11、法对次贷产品的风险做出准确评估。对一般投资者而言，在很多时候，金融资产的不确定是Knight 不确定（Uncertainty） ，投资者对未来可能发生的结果和概率，无法给出准确判断。在这种状态下，投资者的决策极易受到信心、情绪等“动物精神”的支配，对待风险的态度也可能会因某个“坏消息”的来到而突然逆转，从贪婪变为恐惧，导致资产价格的大幅波动和金融风险急剧增加。如在本次金融危机中，从事次贷证券化产品交易的投资者，面对的就是 Knight 不确定。由于无法估计这些结构化产品的真实风险，当 2007 年 8 月几大评级机构突然大幅下调次贷产品的信用评级后，投资者的风险态度马上发生逆转，由此导致的流动
12、性短缺使得这类产品价格的下跌幅度，远远大于因房价下跌和次贷借款人违约所可能带来的损失，从而造成次贷危机的加剧。而 2008 年 9 月雷曼兄弟公司的破产，更使这种 knight 不确定性加剧，由于无法准确估计还有哪些机构、哪些资产中潜藏着风险，迅速蔓延的恐慌情绪使投资者几乎拒绝所有的结构化产品，一些市场的流动性迅速丧失， “流动性黑洞”开始显现，使得次贷危机迅速演化为全球金融危机。很显然，由于前提假设的脆弱性，现有的模型根本无法对此类风险进行度量。 数理模型的缺陷，还体现在模型构建时的概念简约化，即认为对一个宏观系统的分析，可以用对一个有代表性的微观主体的分析来替代。由于一个具有完全一般性的模
13、型（存在许多经济主体，他们的效用函数各异，对未来的预期不同）的构建，已经超出了现代金融经济学的能力范围，因此与经济学中其他领域的模型构建方法相同，数理金融模型在构建时通常假设只有一个理性的典型代理人，各种复杂的金融资产定价问题和资产组合选择问题，由此转化为典型代理人的跨期最优决策问题。在这样的模型结构中，系统复杂性的概念已经消失，金融资产的价格变动不再取决于投资者的相互博弈，投资者的羊群行为对金融风险和系统稳健性的影响完全被忽略，金融系统被认为总是处在稳健状态，市场失灵与系统性风险永远不会发生。 然而，现实中的金融系统却是由众多投资者相互交易、相互依存而形成的一个复杂系统。最近几十年来频繁爆发
14、的金融危机显示，这种复杂金融系统具有“稳健而又脆弱”的双重特征。这就是说，金融系统并不总是处在稳健状态。复杂性科学的研究成果显示，金融系统具有负反馈与正反馈两种机制，或者说金融系统内部存在着稳定与不稳定两种状态。当负反馈机制起作用时，金融系统呈现出稳健性，可以抵御很强的外部冲击，保持系统的正常运行。如在 2007 年前，尽管经历了“911恐怖袭击”和互联网泡沫破裂的巨大冲击，美国的金融系统依然能够正常运行。然而当正反馈机制起作用时，金融系统就会呈现出脆弱性，一个并不很大的冲击，就会使很多机构陷入困境，冲击所带来的损失不断扩大，最后使整个系统陷入危机。如由次贷危机引发全球金融危机就是一个典型例子
15、。金融系统所具有的复杂性说明，我们并不能根据对典型代理人的分析，来得出涉及整个系统的结论，如金融资产定价和金融风险度量。由于金融系统存在着复杂性和脆弱性，基于系统稳健性和概念简约化而得到的金融资产定价模型和金融风险度量模型，在很多时候，并不适用于复杂金融产品定价和复杂系统中的风险度量，在危机时期尤其如此。 数理模型的缺陷，还体现在与不断演化的金融系统相比，模型总是处在滞后的和追赶的状态。风险度量模型的构建，需要判断金融资产的价格变动规律，需要设定不同风险的相关性，需要依据历史数据估计各类模型参数。由于金融资产的价格变动规律和不同风险的相互关系会随着金融系统的演化而不断改变，因此依据历史数据和以
16、往统计特征建立的模型，很难准确预测未来的风险。1998 年的长期资本管理公司危机，就是风险度量模型滞后于金融系统的演化，从而造成模型失败的典型例子。长期资本管理公司的策略是投资于高度分散化的资产组合，历史数据显示，其投资组合中各资产间的相关系数从未超过 10%。作为一种谨慎策略，在公司的 VaR 模型中，相关系数被设定为比任何一个历史数据都要高的 30%。然而，尽管在 1994-1997 年间长期资本管理公司取得了四年总计 185%的奇迹般的投资回报率，尽管公司合伙人中拥有两位获得诺贝尔经济学奖的著名模型发明者，长期资本管理公司还是在 1998 年陷入了无法自救的困境中。造成危机的主要原因，除
17、了公司极高的财务杠杆率，就是金融市场的演变使其投资组合中的相关系数上升到了惊人的 70%，公司的风险度量模型完全失败了。 最近几十年来，各种金融创新产品的推出，不断改变着金融系统的风险特征。如次贷证券化产品就在很大程度上改变了信用风险、市场风险和流动性风险的相互关系。金融创新的特点是，金融创新和由此带来的风险变化，总是快于风险管理手段的提高。金融创新带来未知的风险、带来不透明性和金融机构之间更加紧密的相互关联。然而，金融创新所带来的变化通常有着非线性特点，这就是说，在金融创新的初期，风险特征变化缓慢，但是随着创新产品交易规模的暴发性增长，风险特征就会发生很大改变。在这种状态下，风险度量模型的最
18、初成功（或度量错误还未及暴露） ，容易掩盖模型滞后于金融风险变化的缺陷，导致对模型预测能力的高估。如在本次金融危机中，瑞银集团（UBS）就有这样的例子。根据该银行集团 2008 年 4 月向股东发布的减值报告，截止 2007 年12 月底，瑞银集团在次贷产品交易中的损失达到了 187 亿美元。造成如此巨额损失的重要原因，是银行的内部模型无法反映次贷证券化产品不断演化的风险特征，从而导致模型低估了风险。由于评级机构给了次贷产品 AAA 的评级，在缺乏这些产品价格波动的历史数据的情况下，在构建内部 VaR 模型时，瑞银集团采用了其他 AAA 等级证券的时间序列作为参照。很显然，这种参照数据不能反映
19、次贷产品正在演化的风险特征。因此尽管从 2006 年起，该银行集团已经意识到次贷产品的风险正在演变，但是直到 2007 年第三季度，依据参照物前 5 年的时间序列估计得到的波动率仍然很低，结果造成模型对次贷产品风险的低估。 数理模型的缺陷，还体现在风险度量的 Persaud 悖论，即模型度量结果会影响投资者决策，而投资者的决策又会影响金融风险的演化，因此模型预测是安全的资产反而可能是危险的，模型预测是危险的资产反而可能是安全的。风险度量模型构建时的一个蕴含假设为，模型对于金融资产的风险度量，不会影响金融资产的风险演化。然而现实中这个假设并不为真。在如今的金融领域中，一些重要的风险度量模型，尤其
20、是 VaR 模型，已经得到普遍运用。由于众多投资者运用同样的模型和相同的历史数据，对同样的金融产品进行着风险度量，因此，当某个投资者依据模型的结果调整对某种产品的投资策略时，许多其他投资者也在做着同样的决策。这样，由模型结果所导致的投资者的羊群行为，就会影响金融资产的风险演化，导致模型预测失败。比如，1987 年 10 月美国股票市场崩盘就是这样的例子。当时，美国流行着一种由加州大学伯克利分校两位教授发明的被称为组合保险和动态对冲（portfolio insurance and dynamic hedging techniques）的风险管理技术。这种风险管理技术要求投资者在价格下跌时卖出资产
21、、在价格上升时买入资产（sell cheep，buy dear） ，以对冲投资组合中的风险。由于许多机构都采用了这种技术，羊群效应所引发的正反馈机制导致股票市场出现崩盘引。这样，原来对单个金融机构行之有效的风险度量和管理方法，由于众多使用者的出现完全失效了。 从本质上讲，风险度量模型的作用，是将金融资产未来的 Risk 或Uncertainty 表示为一个简单数字（风险度量的结果） ，而在产生这个数字的过程中，现有的风险度量模型忽略了许多对驱动金融资产价格变动有影响的因素。尽管简化是建立模型的必要过程，但现有风险度量模型在构建时所忽略的因素，并不是因为它们对驱动金融资产的价格变动不重要，而是因
22、为它们在模型构建时是最难处理的。正因为如此，尽管最近几十年来风险度量模型在数理逻辑上的严密性和数值计算上的精确性不断提高，但模型的一些内在缺陷却始终没有得到有效改善。在这种状况下，我们必须认识到风险度量模型的适用性是有限的，比如说，当金融系统处在稳健状态时，模型可以预测那些频繁发生的非极端风险，然而模型却很难预测那些较少发生的极端风险，尤其是那些在金融系统处于脆弱状态时发生的极端风险。因此，认为采用先进的模型就可以准确度量金融风险的信念，其实只是一种幻觉。 三、基于模型的银行资本监管方法的缺陷及对系统稳健性的影响 由于金融系统的复杂性，在金融领域内使用模型存在着许多潜在的风险。当模型不是用来辅助我们对金融系统的理解、而是用来替代我们
