次贷危机回忆录：怪数学公式or 怪市场太贪婪？(2)

那么，2008年金融风暴究竟崩在哪里呢?“其实就是整个风险定价的错位问题，”陆晨称，“风险是收益的价格，是定价收益的基本单位，收益是建立在风险之上的条件概率，风险超出了一定的范围，收益就根本不存在了。当我们谈到收益的时候，必须要知道你花了多少成本拿到的。没有白白拿的钱。”

他称：“当时进行金融资产风险定价的时候，大家把最极端的尾部风险切掉了，就是‘大而不倒’，只考虑一般的风险场景。因为大家坚信，欣欣向荣的住房市场背后是美国政府的全力支持。每个人都假设其他人尽职尽责了解市场的风险。机构、银行、对冲基金、主权基金、评级机构的风险定价方式都是建立在这个在当时深信不疑的前提假设，由此导出的风险定价就远远地低估了真正的风险。”

同时，各大机构也都要急着做大规模，提高CDO的产出量，“他们为之疯狂的收益就类似于冰山浮出水面的一小部分，而对隐藏于水面之下的巨大风险而茫然不知，等到兵临城下的时候，顿感措手不及。”他感叹道。

另一个谜团是，在美国琳琅满目的金融衍生品市场，为什么偏偏是CDO被选为崩盘的突破口?

陆晨对记者表示，如果把全部资产排列成光谱的形式，那么在光谱的一边是国债，安全、高流动性、可以抵押，但收益低;另一边的代表是垃圾债券，高风险、流动性极差，不可以做抵押品，收益非常高。但CDO的横空出世，无异于一个人扮演了两个截然不同、南辕北辙的角色，CDO既有AAA的超级安全的评级做抵押品，同时收益斐然，流动性也蒸蒸日上;但当金融风暴来临，CDO面对越来越大的压力溃不成军，人们才发现原来CDO中间的一层是空的，是依靠过去人们对金融市场盲目的信任得以为继的，CDO一个产品的多面功能实际上是空中楼阁。

陆晨认为：一方面大家选择去相信市场不会崩盘;另一方面，崩盘往往发生在认知第四象限，即“未知之未知”(Unknown’s unknown)。人的认知都是局部有限的。正如《伪装者》中的经典对白：“为了生存下来必须抱着怀疑一切的态度，当你怀疑一个事情的时候，必须从基本假设开始”。这里的基本假设就是对金融信用市场的信任，以及由于各种复杂金融衍生品模型中的风险参数设置和调整。

尽管那场惊心动魄的席卷全球的金融风暴不知不觉过去10年了，市场的结构、规模、监管都发生了天翻地覆的变化，更重要的是人们对风险的认识和态度也产生了根本的转变，对于“黑天鹅”风险的管理对冲，提到了前所未有的高度。

“风险是永远存在不会消亡的，我们必须虚怀若谷，保持着戒备心态。模型需要人的指导，模型只是对已知历史场景的概括和描述，但它并不知道未来会面对什么。”他说。

怪公式or怪市场太贪婪？

陆晨认为，对于模型过分的倚赖和信任是2008年金融风暴的另一个血淋淋的教训。

在诸多的金融衍生品的模型中，用以计算CDO的相关违约风险，从而给CDO定出公允价格的“高斯联结相依函数”毫无悬念地被推到风口浪尖。

这一公式甚至一度被那些寻觅替罪羊的气急败坏者誉为“摧毁华尔街的数学公式”。

陆晨回忆称，华尔街的数学天才、中金原首席风控官李祥林在2000年崭露头角。他在摩根大通银行工作时，在《固定收入杂志》发表论文“联结函数的违约相关分析”(On Default Correlation：A Copula Function Approach)。

论文中，李祥林试图描述和解决华尔街定量金融家最棘手的问题：违约相关性。其中最著名的即是对违约相关性模型进行描述的公式：高斯联结相依函数(Gaussian Copula)。

举个易懂的例子，夫妻之间，如果一位去世了，由于生活习惯的相似，另一位很可能也活不了很久。这种夫妻之间生命的联系和债券市场中一个公司倒闭之后对另外一个公司的影响是相通的，有一定的传染性，李祥林的模型就描述一定经济环境下和模型假设下，公司倒闭的相互关联性，这对于CDO的定价至关重要。

2003年，李祥林的论文使他在华尔街一举成名。之所以造成如此大的轰动，是因为随着全球金融市场在上世纪90年代快速扩张，数以万亿计美元要进入市场，

而不确定性是资本市场最大的敌人，只要投资者能够对风险不确定性定价、能够找到确定任何资产间的相关关系的方法，他们就愿意冒险。

李祥林的公式解决了华尔街的大问题，更是一度被认为会受到诺贝尔奖的青睐。然而，一切也都因为2008年金融危机而付之一炬。

2004年8月开始，评级机构穆迪、标普都先后把李祥林的模型运用到自己的CDO评级方法中。估计连李祥林自己也没想到，正是基于上述模型的巧妙设计和想法，彻底引爆华尔街风暴的两个“大规模杀伤武器”——金融衍生品CDS和CDO，两者都是信用结构性金融(虚拟)衍生品。

“从单个高斯分布到组合高斯分布，数学之美天衣无缝得到最好的诠释，人们也乐此不疲。”陆晨表示，李祥林选中的就是用高斯联结相依来攻克CDO联合违约率的难题。他的原始想法朴素直接鲜明——如果我们可以把其它的(不规则)违约样本空间的分布函数首先压缩映射到一个对应的高斯分布上，再利用高斯联结相依作为连接的架构把这些对应于原始违约的概率分布组装在一起，整个思路行云流水。

但他也提及，其中两个细节出了问题。“高斯分布的先天尾部结构性缺陷，也就是所谓的瘦尾效应，低估了极端尾部风险的可能性;另一个是在这个连接架构里的黏合剂就是相关性系数。由于2008年金融风暴还没有到来，人们不知道他们不知道的，后来证明：所有的违约相关性的估计严重地低估了风险。”按照“黑天鹅博士”塔勒布(Nassim Nicolas Taleb)的话来讲，相关性从根本上是不能描述资产违约之间的联系的，因为历史不能代表未来。

在金融风暴之后，大家对金融风险的态度和风险定价模型的理解上升到了一个新的维度。得益于严酷的现实教训，监管进一步强化，特别是巴塞尔协议III的实施;此外，在全球范围内推出了金融压力测试，建立金融稳定委员会等。

陆晨也表示，10年过去了，“我们在计算复杂的金融衍生品方面并没有什么突破性的进展，模型还是要依靠我们赖以生存的高斯分布和高斯联结相依函数, 但最重要的是，作为投资决策者，我们知道了模型的局限。”

2008年后陆续出台的风险管理措施提出了一系列的改进方法：估值调整包括流动性(CVA)和交易对手信用风险(CCR)，完善模型中的风险参数，使其能够尽量真实地反映外部市场。

最后，陆晨也感叹：“中国虽然经历了2015年的股市崩盘，但和欧美相比还没有真正意义上经历过市场的洗礼。这更像是一个悖论：我们都不愿意经历金融风暴，就像美国2000年的网络泡沫演变和2008年席卷全球的‘次贷危机’。同理，没有真实的违约数据，我们就不知道未来面临的风暴有多么残酷。人类对于真理的探索就是建立在证伪试错的基础上的。”

他表示，在当今的中国，很像当时2008年华尔街对于数学模型的顶礼膜拜、完全信赖，中国近年来在经过了“互联网+”的泡沫后，又聚焦于人工智能(AI)，更有甚者，“投资机器人能代替人类投资”的豪言壮语响彻云天。

其实，在2000年时，陆晨就在美林证券(Merrill Lynch)和研究部门就做出了当时华尔街第一款资产配置模型驱动的网上自动调整投资组合的产品。“中国现在很多所谓的AI，实际上只是一些运作流程上的自动化，和那些假大空的口号一样不着边际。”

高斯联结相依函数(Gaussian Copula)