CMA:風(fēng)險管理失敗的原因分析（二）

　　溝通失敗
　　具有諷刺意味的是，能夠?qū)徤鞯赝瓿娠L(fēng)險建模、度量、控制的人最可能犯第四種風(fēng)險管理錯誤——與董事會和CEO缺乏有效溝通。假如一家公司擁有一流的風(fēng)險管理系統(tǒng)(通常在技術(shù)上很復(fù)雜)，但公司董事和CEO卻不是風(fēng)險管理專家(查看管理專家博客)，如果風(fēng)險經(jīng)理無法通過恰當(dāng)?shù)姆绞较蜻@些非專業(yè)人士解釋復(fù)雜的分析報告，那么這套一流的風(fēng)險管理系統(tǒng)可能是弊大于利。
　　溝通失敗在本次金融危機(jī)中尤為突出。瑞士銀行在給投資者的報告中寫道，“針對次級貸款以及與房地產(chǎn)相關(guān)的其他風(fēng)險暴露，我們做了大量研究，但由于多種原因，尤其是研究所用技術(shù)過于復(fù)雜，導(dǎo)致無法與公司高管有效溝通。”某行業(yè)協(xié)會在總結(jié)危機(jī)的教訓(xùn)時，也強(qiáng)調(diào)了溝通是個關(guān)鍵問題，他們指出，“風(fēng)險管理應(yīng)該考慮一個基本的問題，即在正確的時間為正確的人提供正確的信息，讓他們在盡量知情的條件下做決策。” Senior Supervisors Group(該組織包括美、英、德等國的高級監(jiān)管者)發(fā)布報告稱，“在一些案例中我們看到，公司管理層級可能會造成高管獲得的信息滯后或者扭曲。”
　　構(gòu)建風(fēng)險管理系統(tǒng)成本很高，如果CEO發(fā)現(xiàn)重金打造的系統(tǒng)并不能預(yù)測出精確的數(shù)字時，他可能會吃驚甚至惱火。所以，風(fēng)險經(jīng)理在向董事會和CEO述職時，傾向于夸大公司的風(fēng)險識別和度量的能力，這種現(xiàn)象無疑會為公司帶來額外的風(fēng)險。實(shí)際上，承認(rèn)并理解風(fēng)險管理的局限性反而能夠提高風(fēng)險管理的價值。
　　如上文所述，傳統(tǒng)的風(fēng)險管理方法確實(shí)造成了許多麻煩。甚至在市場的“好日子”里，你若想出色地管理風(fēng)險，都必須要對數(shù)據(jù)有很強(qiáng)的判斷能力，對各種風(fēng)險有很好的統(tǒng)籌管理能力，還要有優(yōu)秀的溝通能力。如果遇上“壞日子”，歷史數(shù)據(jù)模型失靈，市場流動性干涸，各種金融資產(chǎn)的價格聯(lián)動性發(fā)生劇變，幾乎可以肯定地說，你的風(fēng)險管理是一團(tuán)糟。
　　為了避免悲劇再次上演，僅僅對現(xiàn)有風(fēng)險管理系統(tǒng)進(jìn)行一些調(diào)整就行了嗎?對此我很擔(dān)憂。別總認(rèn)為災(zāi)難是小概率事件，風(fēng)險經(jīng)理應(yīng)該對這些大風(fēng)險事件做情景模擬分析，并且公司應(yīng)該制定出相應(yīng)的生存策略，這也許應(yīng)該被稱作“可持續(xù)風(fēng)險管理”。
　　依賴歷史數(shù)據(jù)
　　風(fēng)險管理模型通常是用過去的情況來預(yù)測某種風(fēng)險在未來發(fā)生的概率。假如2006年時你是一家銀行的風(fēng)險經(jīng)理，你認(rèn)為房地產(chǎn)價格在來年可能會出現(xiàn)暴跌，并將這種擔(dān)憂告訴了你的上司。然而，銀行的高管們必須知道這種暴跌出現(xiàn)的可能性有多大，一旦出現(xiàn)會給銀行帶來多少損失，并以此來確定銀行對房地產(chǎn)市場的風(fēng)險暴露(risk exposure)水平。
　　接著，你的工作可能就是檢驗房地產(chǎn)價格的歷史波動數(shù)據(jù)，計算年平均波動率以及標(biāo)準(zhǔn)差。在這個過程中，你實(shí)際上假定了過去的情況能夠很好地模擬未來的趨勢。在檢驗過歷史數(shù)據(jù)之后，你發(fā)現(xiàn)價格的變動似乎是隨機(jī)的，就好像拋硬幣的正反面一樣，價格上漲和下跌同樣的幅度具有同樣的概率，而且價格波動通常是小幅度的，出現(xiàn)大幅波動的概率比較低。在直角坐標(biāo)中，用橫軸表示價格變化，用縱軸表示出現(xiàn)概率，那么房地產(chǎn)價格變化的概率分布應(yīng)該是以平均波動率為中軸呈“鐘形”。
　　這個模型看起來似乎很嚴(yán)密，但在現(xiàn)實(shí)中，它很可能會出錯。如果未來房地產(chǎn)價格的波動率高于過去的數(shù)字(現(xiàn)實(shí)市場確實(shí)如此)，那么模型就大大低估了價格暴跌的可能性，因為現(xiàn)實(shí)的波動概率分布要比你的模型描述的“鐘形”扁平得多。另外，“鐘形”分布本身很可能就是錯的，如果價格變化不服從正態(tài)分布，那么波動率的概率分布曲線就會變得不規(guī)則——就像拋出一枚表面被彎曲的硬幣，落地時出現(xiàn)正反面的可能性就不再相等了。
　　當(dāng)你開始計算房地產(chǎn)價格下跌對銀行的影響時，問題就更嚴(yán)重了。如果大量次級貸款無法按時償還，房地產(chǎn)市場出現(xiàn)危機(jī)，那么，可能根本就沒有恰當(dāng)?shù)臍v史數(shù)據(jù)能夠模擬這種情況。如果銀行還持有CDOs(債務(wù)抵押債券)這類衍生證券，那么要預(yù)測房地產(chǎn)價格變化對銀行的影響就更難了。
　　即使你真的能計算出房地產(chǎn)價格下跌對銀行資產(chǎn)負(fù)債表的影響，但若考慮到其他非直接關(guān)聯(lián)因素，你的預(yù)測結(jié)論依然不堪一擊。金融機(jī)構(gòu)通常會持有多種資產(chǎn)，其他種類資產(chǎn)的價格很可能與房地產(chǎn)價格相關(guān)，若要正確估計銀行對某種風(fēng)險的暴露情況，你就必須正確計算出各種資產(chǎn)之間的價格相關(guān)度。在用歷史數(shù)據(jù)來估算該相關(guān)度時，你又要面對上述的所有問題。