CMA:风险管理失败的原因分析（二）

　　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。