风险管理失败的原因分析

生活依然继续

　　在风险管理过程中，任何一个环节的小小失误，都有可能给企业照成重大的损失。
　　 即使是风险管理水平一流的金融机构，也可能出现巨额亏损，因为金融业是一个经营风险的行业。在风险管理过程中，建模数据、度量标准、因素识别、信息沟通等任何一个环节的失误都可能直接导致风险管理失败，都有可能给企业照成重大的损失。

　　每日风险度量的缺陷

　　不合适的数据只是问题之一，到度量风险，尤其是证券交易风险时，新问题就出现了。
　　金融机够通常用每日VaR(风险价值)来测算证券交易风险。VaR是指某一资产在某一概率水平下的最大可能损失。比如每日VaR为1%水平下的1亿美元，其含义指在未来24小时内资产损失超过1亿美元的可能性只有1%。UBS(瑞士银行)在其2006年年报中称，全年没有一次损失超过每日VaR，但在2007年就有23次损失超过每日VaR的情况——说明该风险衡量方法在市场条件剧烈变化时就会失灵。
　　VaR忽略了发生概率小的巨额损失事件。假设一家公司的每日VaR为1%水平下的1亿美元，而在100天里只有1天的损失超过了1亿美元，如此出色的风险管理记录似乎应该获得嘉奖。但是，巨额损失往往只需一次，就能让公司倒闭。
　　另外，每日风险度量忽略了流动性风险。VaR方法假设公司随时能够把资产出售或对冲，所以公司的损失仅限于一天之内。但我们在2008年全球金融危机和1998年亚洲金融[2.65 2.32%]危机中看到，市场流动性的突然缺失迫使公司持有相关头寸数周甚至数月之久。以次贷衍生品CDOs为例，这类产品的交易市场瞬间消失了，所以投资机构没有办法从CDOs的风险中脱身，除非以极其低廉的价格才能卖掉它。在这种情况下，现实风险远远超出了VaR衡量的范围。

　　避险操作失误

　　我们暂且假设风险经理能够准确地度量识别出的风险，但这不代表他就能成功地规避这些风险。现实世界往往不能满足金融理论的关键假设(比如市场完备、信息通畅、投资者理性等)，所以理论上完美的操作模式，在现实中可能就会出问题。
　　在研究风险管理失败的案例时，我们发现有些公司已经完成了风险测算，并且采取了规避措施，却未能识别出规避风险的操作本身所具有的风险，最终导致风险管理失败。
　　在1998年8月之前，俄罗斯政府还没有违约，许多对冲基金持有高收益的俄罗斯政府债券，并通过卖空卢布兑美元远期合约来对冲债券违约风险以及汇率风险，投资者很容易相信头寸组合是零风险的。但是在对冲风险的操作过程中，卖出卢布远期合约的交易对手大都是俄罗斯的银行，在俄罗斯政府违约之后，很多俄罗斯的银行随即便倒闭了，远期合约自然也就无法正常交割了。也就是说，这些对冲基金最终还是没能有效识别出风险，因为对冲交易的对手本身就不安全。
　　另外，在金融机构中，管理信贷风险的经理通常不负责汇率风险，反之亦然。所以，尽管交易对手风险引起了某个经理的注意，但假如信息沟通效率不高的话，最终在组合操作时这类风险可能仍然会被忽略。

生活依然继续

　　沟通失败

　　具有讽刺意味的是，能够审慎地完成风险建模、度量、控制的人最可能犯第四种风险管理错误——与董事会和CEO缺乏有效沟通。假如一家公司拥有一流的风险管理系统(通常在技术上很复杂)，但公司董事和CEO却不是风险管理专家(查看管理专家博客)，如果风险经理无法通过恰当的方式向这些非专业人士解释复杂的分析报告，那么这套一流的风险管理系统可能是弊大于利。
　　沟通失败在本次金融危机中尤为突出。瑞士银行在给投资者的报告中写道，“针对次级贷款以及与房地产相关的其他风险暴露，我们做了大量研究，但由于多种原因，尤其是研究所用技术过于复杂，导致无法与公司高管有效沟通。”某行业协会在总结危机的教训时，也强调了沟通是个关键问题，他们指出，“风险管理应该考虑一个基本的问题，即在正确的时间为正确的人提供正确的信息，让他们在尽量知情的条件下做决策。” Senior Supervisors Group(该组织包括美、英、德等国的高级监管者)发布报告称，“在一些案例中我们看到，公司管理层级可能会造成高管获得的信息滞后或者扭曲。”
　　构建风险管理系统成本很高，如果CEO发现重金打造的系统并不能预测出精确的数字时，他可能会吃惊甚至恼火。所以，风险经理在向董事会和CEO述职时，倾向于夸大公司的风险识别和度量的能力，这种现象无疑会为公司带来额外的风险。实际上，承认并理解风险管理的局限性反而能够提高风险管理的价值。
　　如上文所述，传统的风险管理方法确实造成了许多麻烦。甚至在市场的“好日子”里，你若想出色地管理风险，都必须要对数据有很强的判断能力，对各种风险有很好的统筹管理能力，还要有优秀的沟通能力。如果遇上“坏日子”，历史数据模型失灵，市场流动性干涸，各种金融资产的价格联动性发生剧变，几乎可以肯定地说，你的风险管理是一团糟。
　　为了避免悲剧再次上演，仅仅对现有风险管理系统进行一些调整就行了吗?对此我很担忧。别总认为灾难是小概率事件，风险经理应该对这些大风险事件做情景模拟分析，并且公司应该制定出相应的生存策略，这也许应该被称作“可持续风险管理”。

　　 依赖历史数据

　　风险管理模型通常是用过去的情况来预测某种风险在未来发生的概率。假如2006年时你是一家银行的风险经理，你认为房地产价格在来年可能会出现暴跌，并将这种担忧告诉了你的上司。然而，银行的高管们必须知道这种暴跌出现的可能性有多大，一旦出现会给银行带来多少损失，并以此来确定银行对房地产市场的风险暴露(risk exposure)水平。
　　接着，你的工作可能就是检验房地产价格的历史波动数据，计算年平均波动率以及标准差。在这个过程中，你实际上假定了过去的情况能够很好地模拟未来的趋势。在检验过历史数据之后，你发现价格的变动似乎是随机的，就好像抛硬币的正反面一样，价格上涨和下跌同样的幅度具有同样的概率，而且价格波动通常是小幅度的，出现大幅波动的概率比较低。在直角坐标中，用横轴表示价格变化，用纵轴表示出现概率，那么房地产价格变化的概率分布应该是以平均波动率为中轴呈“钟形”。
　　这个模型看起来似乎很严密，但在现实中，它很可能会出错。如果未来房地产价格的波动率高于过去的数字(现实市场确实如此)，那么模型就大大低估了价格暴跌的可能性，因为现实的波动概率分布要比你的模型描述的“钟形”扁平得多。另外，“钟形”分布本身很可能就是错的，如果价格变化不服从正态分布，那么波动率的概率分布曲线就会变得不规则——就像抛出一枚表面被弯曲的硬币，落地时出现正反面的可能性就不再相等了。
　　当你开始计算房地产价格下跌对银行的影响时，问题就更严重了。如果大量次级贷款无法按时偿还，房地产市场出现危机，那么，可能根本就没有恰当的历史数据能够模拟这种情况。如果银行还持有CDOs(债务抵押债券)这类衍生证券，那么要预测房地产价格变化对银行的影响就更难了。
　　即使你真的能计算出房地产价格下跌对银行资产负债表的影响，但若考虑到其他非直接关联因素，你的预测结论依然不堪一击。金融机构通常会持有多种资产，其他种类资产的价格很可能与房地产价格相关，若要正确估计银行对某种风险的暴露情况，你就必须正确计算出各种资产之间的价格相关度。在用历史数据来估算该相关度时，你又要面对上述的所有问题。