那些怀疑者

VAR并不完美,因为它的基础并不牢靠。观测对象呈正态分布必须满足两个条件:首先,样本的数量必须足够大;其次,这些值必须相互独立,互不干扰。就像掷骰子,每次掷出的结果和上一次没有任何关系。在实际工作中,这两个条件经常不能同时满足。

市场价值并不服从正态分布。大幅度的变动比理论预测的要多,价格变化很少是随机的,价格变动通常一波比一波大,而且经常是朝同一方向变动。本来损失5000万的概率是1%,现在损失1亿美元的概率迅速上升为5%。这就是肥尾效应。它像一种可怕的疾病。我们印度尼西亚的面条商得的就是这个病。

广告:个人专属 VPN,独立 IP,流量大,速度快,连接稳定,多机房切换,每月最低仅 10 美元

不同资产之间价格变化的关联程度也会影响到VAR。如果纽约的股价变动1%,那么日本的股价就会变动0.6%。这个比例就是协方差或叫做相关系数。风险经理需要在上百个金融资产之间找出这个协同关系,准确计算出VAR。

计算VAR的前提是假设未来就是过往的翻版。现在所看到的一切,只不过是之前的东西变换了一下组合而已。交易员、数理分析专业和风险经理都埋头于历史数据当中,希望从中找到规律,只是目的不同。交易员为了获利,而风险经理是为了预测未来完美风暴的大小和时间。和物理学相比,金融市场的规律并不确定,也没有坚不可破的定律。

莱斯特·哈特利曾经说过:“过往就是异国他乡,那里做事方式都和现在不一样。”法国诗人保罗·瓦莱里(Paul Valéry)则有另一种说法:“未来就像其他任何东西,但就不是它以前的样子。”市场的结构时常在变,参与者来了一拨又走了一拨,法规也时常改来改去。过去并不是总在重复。

风险模型具有自我调节功能。如果市场变得波动不定,那么风险就会加大。在现实中,这意味着银行将要拿出更多的资本金用来应付风险。这是法律规定的。当市场陷入恐慌,大家都在割肉撤离时,银行不得不拿出更多的钞票或者减少它们的风险敞口。它们会毫不例外地减少头寸。正当交易机会出现时,银行不得不撤离了。

但相反的情况也出现过。在2003至2004年间,市场不像之前那么变幻不定了:由于市场波动率下降到历史的最低点,在许多市场降幅超过一半的情况下,VAR指数也随之下降。这个低风险值意味着银行可以扩大它们的风险敞口,它们现在可以成倍增加头寸。由于经历了亚洲金融危机、俄罗斯违约和科技泡沫的破灭,交易商的风险降低了。它们又“重新调整仓位”,变得更加“以客户为中心”。现在,每家银行又重新进场了。“随着市场形势变好,投资者信心恢复”,银行将“提升交易水平,利用风险资产”。

银行让经验丰富的交易员冒更大的风险:交易员反映说低波动率是一种假象,市场上没有多少交易机会,他们“不愿意”把银行给押上。他们的这些担心被认为是妇人之见。在经历了大灾大难之后幸存下来的交易员意识到这是风暴来临前的平静,但风暴迟早会在不经意间到来。他们知道谁也躲不过“肥尾”的横扫。

风险模型也会对交易商的行为产生影响。为了符合监管机构的要求,交易商用的模型都大同小异。他们就像群居动物一样,同时去冒风险或者同时平仓。受热衷多元化投资效益的交易商青睐的投资项目都有一个共同的特点:回报高,但和其他市场的关联度低。他们成群结队涌入市场。可笑的是,风险模型实际上让市场变得更加不稳定。

此外,还有置信度的问题。风险测算的置信度通常是99%,意味着这个风险测算出现错误的可能性为1%。也就是100天里总有一天是错的。但是,如果你的模型是准确的,你每100天里面有1天的损失应当超过你预测的损失值。

一个风险经理被叫到董事会跟前,他们要求他解释为何银行一天之内损失超过2.5亿美元,而VAR显示只有7500万美元。“一定是模型错了。”一个董事不满地说。“不,不对。”风险经理反驳道,“我们的风险模型置信度在99%。我们这天实际损失超过预测值正好证明了我们的风险模型是完美的,完全符合我们预想的方式。我们应当每100天就有1天的损失超过我们的预计值。但事实上,这种情形几年来才出现过一次。这明显说明我们的风险模型太过保守。”这些董事彻底懵了。