下载掌阅APP，畅读海量书库
立即打开
——安德鲁·劳（Andrew W.Lo）
当前的风险管理实践是建立在极端资金损失的概率之上的（如VaR等方法），但是这些方法只抓住了问题的局部。任何完整的风险管理系统必须关注另外两个重要因素——价格和偏好。它们和概率一起组成了全面风险管理的“3P”（Probabilities，Prices，Preferences）。本文叙述了“3P”如何互动并确定企业和个人的风险特征——对所承担的风险和需要做的对冲提供指引。通过将现有的经济研究、心理学和决策科学加以综合，以及通过研究计划努力将之与其他学科融合起来，在研究过程中形成一个在不确定世界中做出理性决策的完整和系统的方法。
尽管面对不确定性的理性决策不是人类面临的新问题，
近期发生的一些事件有助于更新和提高人们对风险管理的兴趣。特别是两个力量形成了这一趋势：金融技术的进步（衍生工具定价模型和电脑高效算法）和对新的独特金融工程产品日益增长的需求（也许是因为不断增强的市场波动性或者仅仅是因为全球金融体系不断增长的复杂性）。这些力量与近年来发生的那些灾难——例如橘郡、吉布森贺卡公司、德国金属公司、宝洁公司和巴林证券事件产生耦合反应，极大地刺激了风险管理行业的发展。
目前的风险管理实践几乎完全聚焦于风险的统计方面。例如，最常用到的风险管理工具VaR，在摩根大通（J.P.Morgen）的风险指标系统（Risk Metrics）中是这样定义的：
VaR是估算在预先确定的置信区间中，一段时间内持有头寸可能的最大损失金额。时间段可以是典型交易活动的一天或者投资组合的一个月或更久。我们在文件中描述的方法采用了历史回报数据来预测波幅和相关系数，然后再用它们估算市场风险。这些统计指标可用于金融机构、企业和机构投资者使用的各类资产类别的产品。（摩根担保信托公司，1995，p.2）
尽管VaR这类指标在量化风险敞口时起到了重要作用，它们只关注到风险管理难题中的一个方面——概率。概率虽然是风险管理流程中的一个不可替代的输入，但是他们无法确定企业应该承担多大的风险，以及应该对冲多少风险。在本文中，我提出，任何一个全面的风险管理协议可以称为“全面风险管理”（Total Risk Management，TRM），
此词借自质量管理理论，必须包含另外两个方面：价格和偏好。这两个方面和概率一起组成3P，构成了在不确定世界进行系统性理性决策方法的基础。这3个P是TRM的核心：价格考虑为对冲各种风险需付出什么代价；概率是评估这些风险发生的可能性；而偏好决定了承担和对冲多大风险。
尽管TRM是一个抓人眼球的时髦词汇，其实它早已在经济学、统计学和数学中建立了深厚基础，并且可以追溯到概率理论的基础研究（拉姆齐，1926），统计推断（萨维奇，1954），以及博弈论（冯·诺依曼，摩根斯特恩，1944）。当然，“风险管理”这个术语从未出现在这些文献中，但是这些由早期先驱者发现的问题，现在依然困扰着我们。实际上，我希望这样的理论整合可以展示出更多的东西：当前的风险管理实践已经发展到将这些分散的研究拧成一股绳的时候了。
为了理解概率、价格和偏好三者间的互动，让我们回顾一下基本的经济学原理，即供需关系定律。该定律讲的是任何商品的市场价格和交易数量取决于需求和供给曲线的交叉点，需求曲线代表了消费者对于不同价格所需的数量，供给曲线代表在不同价格上生产者愿意提供的数量。这两条曲线的交点是一组价格和数量，可以同时满足消费者和生产者的要求。任何其他价格——数量组合只能满足其中一方的要求，而无法满足另一方。
即便是在这样一个关于市场的基本描述中，也存在3P。需求曲线是单个消费者需求的集合，来自优化的个人偏好，在预算限制条件下还依赖于价格和其他因素（例如，收入、储蓄要求和借贷成本）。同样，供给曲线是单个生产者的产出集合，来自企业生产函数的优化，在资源限制条件下也依赖于价格和其他因素（例如原材料成本、工资和交易信用）。消费者和生产者都受到概率的影响，人们在不确定的环境中制订了消费和生产计划——不确定的收入、不确定的成本和不确定的商业条件。
常规的资产定价和金融市场模型，例如由默顿（1973b）、卢卡斯（1978）、布里丁（1979）和考克斯、英格索尔、罗斯（1985）给出的模型，显示了在不确定环境中，在所有的市场上，3P是如何共同决定了需求和供给之间的“均衡”，使个人和企业理性地将自身的福利最大化。通常这些模型隐含的结论是证券价格等于该证券所有者能够获得的所有未来现金流的现值。有两个方面使得计算现值变得颇具挑战性：未来现金流是不确定的，贴现率也是如此。尽管定价公式看上去令人生畏，3但其内涵是非常直接的，可以用股利贴现公式计算：今天的价格应该等于所有未来股利乘以贴现因子之和，而贴现因子的作用是担当今天的钱和未来的钱之间的“兑换率”。如果价格不满足这种情况，那么在当下和未来之间必然存在着资源错配，这种情形类似于在两个国家出售两种不同产品，在考虑汇率的情况下会有不同的价格。
（注：例如，对于任何一个连续支付股利
，…的金融证券价格P
t
必须满足下列关系式：公式
分别是t日和t+τ日消费的边际效用。）
是什么决定了“兑换率”？对于个体来说，他们的偏好会对此产生影响（准确说就是消费的边际效用），市场上所有个体偏好汇总后达成的供需平衡确定了这个兑换率。
这些模型显示均衡是一个强有力的概念，它为3P提供了一种附加限制：在一个均衡状态下，任何2个P会自动确定第3个P。例如，对于一个偏好和概率给定的均衡中，价格可以准确确定（这是经济学的资产定价理论的中心点）。另外，在一个由给定价格和概率形成的均衡中，也可以从中推导出偏好（见比克1990，何和勒朗德1993，阿伊特-萨哈里亚和劳1998b，雅科沃斯1998）。给定价格和偏好，可以确定概率（见罗宾斯坦1994，雅克沃斯、罗宾斯坦1996）。
这种函数关系表明3P是内在关联的，即使当前的风险管理实践只关注了其中一或两个因素，但三个因素都存在，它们之间的相互作用都必须仔细考虑。我们在后面章节中将依次讨论3P，并讨论每个因素是如何与其他两个因素相关联的。尽管所有3P对于全面风险管理系统都非常重要，我认为偏好是其中最基本的因素，也是人们理解最不充分的，所以，也是当前风险管理研究面临的最大挑战。
现代经济学最大的一个成功领域是资产定价理论，
其中在过去50年中享有盛誉的当属关于定价和对冲衍生证券的精确数学模型。布莱克和斯科尔斯（1973）以及默顿（1973a）的思想在学术界和行业内的快速传播，在社会科学中也算是少见的成就，这无疑对风险管理政策和技术的广泛成功有着巨大的贡献。
资产定价理论如此深刻和丰富，因而无须解释价格对于风险管理的重要性。然而，即便是在这篇深入探讨3P的研究文章中，它与其他2个P的内在精妙联系，仍值得进一步探究。
也许布莱克-斯科尔斯-默顿理论中最重要的观点是在一定条件下，频繁交易少量的长期证券可以创造出新的投资机会，而其他情况下投资者不会得到这样的机会。这些条件（状态）——现在被整体称为“动态生成区间”或者“动态市场完全性”。这个资产定价模型催生了大量研究成果，甚至催生了一个更繁荣的产业，复杂的金融证券可以用相当简单的金融工具，通过复杂的交易策略加以合成和复制。
这个方法居于著名的布莱克-斯科尔斯-默顿期权定价公式的核心位置，更通俗地说，是定价和对冲其他衍生证券的非套利方法。
衍生工具定价模型的成功对于风险管理非常重要，原因有二。第一个原因很明显：风险管理关注的复杂衍生证券可以采用布莱克-斯科尔斯-默顿方法进行准确的定价和有效对冲。
第二个原因相对更为精妙，最好是通过一个悖论来理解。衍生工具定价模型的准确度，从本文开始讨论的3P不可分离的理论框架看，似乎是无关紧要的。尤其是在典型的衍生工具定价模型里（那些基于持续时间随机过程和普通偏微分方程的），价格和概率都很明显，而投资者偏好则少有提及。这些模型确实通常假设“没有偏好”，只是建立在套利而不考虑均衡或供需之上。事实上，个体投资者的风险偏好从未被放入布莱克-斯科尔斯公式：一旦布莱克-斯科尔斯假设成立，（这些假设似乎没有对偏好做出任何限定），一个依靠退休金生活的寡妇和一个25岁未婚交易员对于一个认购期权的定价是完全一致的！如果衍生工具只由套利来定价，那么衍生工具定价模型中的第3个P置身何处呢？
这个悖论的答案有赖于一个事实：偏好确实以一种微妙和间接的方式进入了布莱克-斯科尔斯公式。具体地说，资产定价机制背后的假设条件是由一个特定的随机过程决定的——通常是几何布朗运动，限制了可能的偏好类型（见比克1990，何和勒朗德1993）。
而且，随机过程的参数（例如几何布朗运动的漂移和扩散系数）是由均衡决定的，而不是套利。毕竟基础资产定价过程的变化体现为资产的预期回报，而现代金融学的一个基本信条是期望回报和风险是由供给和需求共同决定的（见夏普1964，默顿1973b）。即便这种变化没有出现在衍生工具定价公式里，这种直觉也是存在的，因为漂移和扩散系数是相互关联的（见劳、王1995），这说明在原布莱克-斯科尔斯公式上使用均衡概念，可以得出那个著名的偏微分方程。
在更复杂的衍生工具定价模型里，例如那些无法完美复制的模型随机波动的情况下，必须运用均衡的概念，才能推导出定价公式。
所以，尽管衍生工具定价公式可能没有出现偏好，但这些公式确实包含了有关偏好和概率的隐含假设条件。甚至在基于套利的定价模型里，3P也是紧密地相互联系的。
几个世纪以来，研究人员提出了一系列在不确定世界中建模和进行决策的方法——星象学、数字占卦、辨识动物踪迹等，但没有一种能取得概率论那样大的成功。随机概念可以追溯到古希腊时期，但是直到17世纪出现了博彩业，概率正式的数学概念才出现。
此后，概率论发展成为一个丰富和深厚的领域，实际上成为每个科学学科的中心，其中也包括金融经济学和风险管理。
有了价格，概率就很容易理解了。我们熟悉概率的代数运算——概率是非负数且其和为1；两个同时发生的独立事件的概率等于这两个事件的概率之积，等等。我们懂得概率分布的数学理论，关联性在风险管理中的关键角色，以及VaR的敏感度和抓住“尾部”概率（较少发生但可能造成灾难性事件的概率）的其他风险管理工具。
但是风险管理文献中明显忽略了概率的一个重要方面：主观概率和客观概率之间的差别，通常将其归功于18世纪的数学家詹姆斯·伯努利。客观概率也成为“统计”或“偶然”概率，建立在重复试验的频次之上（例如掷硬币和骰子）。这类概率有明显的实证来源——骰子出现“6”的概率是1/6，这个事实可以通过反复多次投骰子，计算6出现的次数所占的比例来验证。概率1/6依赖于试验的本质属性，而不是试验者的特征——所以将其称为“客观的”概率。
另一方面，主观概率也称为“个人的”或“认知的”概率，测量的是“可信度”，不一定是基于统计现象，例如重复抛硬币。比如说，事件“其他星球上存活着智慧物种”无法给出频次——我们不能重复试验这个事件。但是我们可以轻易地想象出，会有某个人认为这件事具有一定程度的发生机会。这种想法可以被解释为某种“主观的”概率，它因人而异。主观概率是一个强大的概念，将概率论的应用扩展到了更大的应用领域，其中有很多也是风险管理的核心内容。需要强调的是，任何风险管理协议的最关键部分是评估可能性的能力，以及有能力为过去从未发生过的事件做好准备（例如，1998年8月在全球范围内发生了史无前例的金融市场参与者资金避险的行动，收益率价差、汇率、商品和股票价格之间出现了令人惊讶的相关性）。
从主观概率建立的基础来看，主观概率和风险管理之间的联系变得更强了。这个理论的三位主要架构师——拉姆齐、德·菲尼蒂（1937）和萨维奇认为，撇开主观概率的个体本质不谈，它们必须满足和客观概率一样的数学法则，否则就会出现套利机会。
例如，考虑客观概率的基本定律：任意事件H的概率以及其对立事件“非H”的概率HC之和必须等于1。也就是说，
因为H和HC是互斥的，换言之，其中只能有一个事件发生，而且这两个事件涵盖了所有可能的结果。通过简单计算一下相对频次，很容易验证公式（3-1）也适用于客观概率，但是能够证明对主观概率也适用吗？换言之，个人的确信程度也必须满足客观概率的这个基本特征吗？拉姆齐给出了猜想的答案，德·菲尼蒂和萨维奇对此进行了充分的证明，结果是：如果排除套利机会或“免费午餐”，答案是肯定的。
为了找到一个解释，我们考虑某个人，他认为事件H发生的概率是50%，而互斥事件HC发生的概率为75%。这明显不符合公式（3-1）。这样的主观概率意味着该人愿意打赌事件H发生的机会对半，而且也愿意打赌事件HC发生的机会是3∶1。有人是这样做的——在第一件事上押注50美元，在第二件事上押注25美元，总共押注75美元，但是不管最后结果如何，总能收回100美元，获得无风险收益25美元——这就是套利！德·菲尼蒂证明了，不能让这个套利成功的唯一一组概率必须满足公式（3-1）和概率论的其他基本定律。所以，尽管主观概率只度量确信度而不是建立在相对频次之上，但它在每个方面都和客观概率是一样的。这个原理通常被称为“荷兰赌定理”（Dutch book theorem），这种套利交易被称为“荷兰赌”。
在主观概率和风险管理之间的关系是清晰的：对于概率的评估，特别是那些稀少或从未发生过的事件，必须是内部一致的；否则从这些概率中引申出的价格可能不一致，导致出现套利的机会。更重要的是，基于不一致的概率做出的决策，可能导致巨大的财务损失和意外的风险敞口。
“荷兰赌定理”也表明价格和概率是密切相关的，将其隔离开来或者相互不加参照，则很难理解其中任何一个。但这引出了如何确定主观概率的问题。萨维奇给出了答案——3P中的第三个也是最重要的一个P：偏好。
个人偏好模型在社会心理学派中有其历史根源，被称为功利主义，这是18世纪晚期由杰里米·边沁（Jeremy Bentham）和詹姆斯·穆勒（James Mill）
共同提出的一个伦理学体系，主张所有行为的目的是将一般效用或者快乐最大化。尽管道德心理学家和政治理论家对于功利主义的优点的争论已经有两个多世纪了，经济学家还是很快接受了在预算约束条件下，个人最大化其效用的原则，其中效用定义为满足一定基础特征的量化的快乐指数。
对于古典经济学家来说，效用的重要性来自他们试图定义商品的价值，以及将价值与商品的市场价格区分开来。为此，亚当·斯密（1776）提出了著名的水和钻石的对比例子：
价值这个词具有两种不同的意思，有时候表达的是某个特定事物的效用，有时候是指用这个东西去购买其他事物时的购买力。前一个可以称为“使用价值”，后一个则是“交换价值”。具有最大使用价值的东西，常常在交换时没有或只有很少的价值。相反，具有最大交换价值的东西，常常没有使用价值或使用价值很小。没有什么东西会比水更有用，但是用水几乎买不到什么，很难用它来换取别的东西。钻石则相反，几乎没什么使用价值，但是可以用它换来很多很多别的东西。（p.147）
通过区分“交换价值”（价格）和“使用价值”（效用），斯密建立了供需定律和市场均衡概念的基础，也许这是对古典经济学的最重要的一个贡献。而且，萨缪尔森（1947）在《经济分析基础》一书中——对现在的主流微观经济学贡献良多，写道：
在大量的经济学问题中，可以甚至是必须将我们的均衡方程作为最大化（最小化）的条件。企业家行为大多是以最小化支出和最大化收益为导向的，而且，从消费者也在消费产品和服务最大化序数偏好的假设中，有可能推导出有意义的有关消费者需求函数的限制性假说。（当然，这不意味着他们会采取规范意义上的理性行动。）（第3章，pp.21-22）
效用概念也可以扩展到包括不确定的结果，第一个尝试这样做的人是丹尼尔·伯努利（1738年），比功利主义的出现早了近半个世纪。伯努利的动机与效用本身无关，他当时是在尝试解决圣彼得堡悖论问题。这个悖论说的是某个人在参与这样一个赌博游戏：抛掷一枚普通硬币，直到出现正面朝上，此时这个人得到奖金2k美元，k是抛掷硬币的次数。那么这个人应该为能够参与这个游戏支付多少钱？由于在第k回抛掷硬币就得到正面的概率只有1/2k，这个游戏的期望值是非常大的。然而愿意参与这个游戏的人通常只肯为此出价2～4美元，这就是一个悖论。伯努利（1738年）通过假设参与游戏者不关注期望回报，而是关注预期回报的对数值解决了这个悖论。在这种情况下，圣彼得堡游戏的“使用价值”是
这个值比该游戏的期望值更接近实证结果。
尽管伯努利在解决圣彼得堡悖论时并没有用到“效用”概念，但其解决方案的精华是用预期效用替代期望价值作为游戏参与人的目标，而效用被定义为收益的对数值。这个在不确定性下做出决策的方法显然是有先见之明的，比冯·诺依曼、摩根斯特恩和萨维奇从期望效用中推演出的公理早了两个多世纪。这些后来的作者提出的理论框架是，如果偏好满足某些公理，那么个人偏好可以表示为一个效用函数U（X）。
换言之，如果一个人的偏好满足这些有关期望效用的公理，那么效用函数U（X）就可以这样构造：在所有不同的选择中，个人应选能够最大化个人期望效用的选择E［U（X）］。
正式的表述是，对于任何两个游戏参与者，其随机收益分别为X 1 和X 2 ，当且仅当对于特定的函数U（·），E［U（X 1 ）］大于E［U（X 2 ）］时，任何相信期望效用理论的个人都会选择X 1 而不是X 2 。在这个公式中，函数U（·）是个体偏好的完整的体现——他或她的决定能够简单地因为“将我预期的效用E［U（X）］最大化”而委托给其他人。这个强大的表达式实际上是每个现代金融资产定价方法的核心，包括现代投资组合理论、均值-方差最优化、资本资产定价模型、跨期资本资产定价模型，以及考克斯-英格索尔-罗斯期限结构模型。期望效用也是风险管理的核心，因为任何风险管理协议最终都需要做出一个决定：要承担多少风险，以及要对冲多少风险，尽管价格和概率的确会影响到决策，但最终还是由偏好决定。
当然也有对效用理论的批评意见，甚至是在功利思想学派的早期就是如此。例如，19世纪一位不出名的法律学者T.克里夫·莱斯利（1879）曾写道：
在效用公式的简洁表达中存在着一种虚幻的伪装……它假设在人们对于痛苦和快乐的不同感知方面，存在着构成快乐成分的不一致性以及人类思考的同质性……而且也不可能参考别人的情况测量另一个人的快感。没有一个人可以肯定地说出自己的感情强度的变化，更遑论对于其他人了。（pp.45-46）
即便我们愿意像绝大多数经济学家那样放下疑虑，接受效用理论作为经济决策建模的有用框架，期望效用理论仍存在着一些被经验研究揭示的重大局限。
期望效用的一个早期挑战之二来自阿莱（Allais，1953），现在被称为阿莱悖论。考虑在A 1 和A 2 两个选项中做出选择，其中
现在考虑另外两个选项B 1 和B 2 ，其中
像大多数人面对的这种二选一时的情况一样，如果你选择A 1 和B 1 ，那么你的偏好是不符合期望效用理论的！我们看看原因何在，对A 1 的偏好超过了对A 2 的偏好，意味着A 1 的期望效用完全大于A 2 的期望效用，所以，
或者
类似地，对B 1 的偏好超过对B 2 的偏好意味着
或者
但是方程（3-4）显然与（3-3）是矛盾的。为了与期望效用理论保持一致，当且仅当B
2
优于B
1
时，A
1
优于A
2
。事实上，一些研究已经发现这个偏好顺序被打破的事实，对于期望效用理论的实用性提出了严重挑战。
一个替代期望效用理论的较新的例子是卡尼曼和特维尔斯基（1979）提出的“前景理论”。他们认为个人对收益和损失的关注要更甚于对期望收益的关注，而且用来计算收益、损失的参照点也会随时间改变。不仅如此，他们所做的试验表明，绝大多数人对于收益和损失的看法的差异非常大：在获取收益时，人们是风险回避的；而面临损失时，却偏爱风险。例如，考虑在下面两个赌博游戏中做出选择：
尽管事实上C 2 比C 1 有更大的期望值，大多数人倾向于获得肯定的收益，对于风险回避，可以用一个凹的效用函数来展示。但是现在考虑在下面两个赌博游戏中做出选择：
在这种情况下，大多数人选择D 2 ，而不顾这个方案明显比D 1 的风险更高。卡尼曼和特维尔斯基将这种行为称为“风险寻求”，可以用一个凸的效用函数来表示。
这种在收益和损失的偏好上明显的不对称现象，对于风险管理可能不会是个特别大的问题，但是将最常见的选择C 1 和D 2 的综合结果与不是那么受欢迎的选择C 2 和D 1 相比：
C 2 和D 1 明显优于C 1 和D 2 。而在原来那种情况下，收益要多1万美元而损失要少1万美元（例如，C 2 和D 1 分别等于C 1 和D 2 加上一个肯定的收益，或较小的损失，即1万美元）。在这种情况下，如果没有可以参考的其他条件或信息，任何理性的人都将选择C 2 和D 1 ，而不选C 1 和D 2 。但是如果分别提出这两个方案时，人们好像倾向于较差的一个选择。
当然对于这个结论的一个反对意见是，这个试验将两个方案依次提出而不是同时提出。尽管这个反对意见是有意义的，但是这个例子中的环境条件也并非过度人为。例如，一家跨国企业的伦敦办公室可能面对着选择C 1 和C 2 ，而它的东京办公室面对的是选择D 1 和D 2 。尽管从当地情况来看，决定未必有对错之分，但是从全球整合的账目上看，结果就可能完全不一样了。实际上，有经验的交易员都知道投资者倾向于过早卖出盈利头寸，而对亏损头寸则过迟止损——在交易课上最先学到的一个经验是“止住亏损，让盈利飞跑”。交易员倾向于在下跌过程中加仓——经常称为“加倍下注”，是风险回避的另一种表现。这就是让巴林证券和其他金融机构近年遭受重大交易损失的一种做法。
期望效用面临的另一个著名的挑战是埃尔斯伯格（1961）悖论：人们会对两个统计上是等同的赌博游戏抱有全然不同的看法。在游戏E 1 中，要求你选出一种颜色——红色或者黑色，然后你从一个装着100只球（50只红球，50只黑球）的罐中抽出一只。如果抽出的球正好是你选中的颜色，那么你将获得奖金1万美元，否则什么也得不到。游戏E 2 的规则是一样的，除了你要从另一个罐中抽取球。那个罐里也有100只球，但是颜色比例未知——可能是100只黑球，或者100只红球，或者红黑球比例介乎其间。你愿意为E 1 最多支付多少钱？为E 2 最多支付多少钱？另外，如果两个游戏的成本是一样的，比如5000美元，你必须从中选出一个，那么你选哪个游戏？
（注：为了简化说明，E 1 、E 2 的例子与埃尔斯伯格原来的实验略有不同。）
对于大多数人来说，游戏E 2 看上去没有E 1 吸引力大，尽管事实上两个游戏中抽到任何一种颜色球的概率是相等的：0.5。为了检查这两个概率确实是相等的，用p 2 表示E 2 的红球比例，注意p 2 可以有101个不同值：0/100，1/100，…，100/100。现在，由于没有任何理由偏向选择哪个比例，那么“期望”比例可以通过计算所有101个比例的概率加权平均得到，每个概率的权重是相等的，得出
另外，一个不太正式的观点是问，如果概率不是50/100的话，那它可能是多少呢？由于没有任何有关相对比例的信息，所以50/100显然是最自然的假设了。尽管有这些争论，许多调研发现人们愿意为游戏E 2 支付的钱数要比E 1 少得多。如果在同样价格下让人们从两个里面选一个，大多数人会选择E 1 。
对E 1 的偏好高于E 2 ，可能还可以从其他方面得到理性解释，但是仅从上面有关这两个游戏的说法来看，很难找出一个比另一个更优越的理由。这并不是说表达对E 1 的偏好是不合理的，而是说做选择的人一定还借助了其他信息、假设、偏见或经验推断方法。把这些辅助资料纳入决策流程是否是理性的，当然依赖于从特定角度看这些资料是否和要做的决策有关联。因为没有一个决策规则是在任何情况下都是最优的，所以一种情景下近乎最优的反应，在另一种情景中可能远算不上最好。像埃尔斯伯格悖论这样的思考试验的价值，在于指明了人类反应的某些方面，使得我们可以更好地判断它们对于特定用途，例如风险管理的功效。
埃尔斯伯格悖论还特别说明了个人对于风险的不确定性具有偏好。要解决这个说法的明显的循环性（《罗杰特国际辞典》将风险和不确定性作为同义词），可以回忆一下奈特（1921）对风险和不确定性所做的区分：风险是一种随机性，可以通过量化指标（例如，死亡率、骰子游戏、设备失效率）对其建立模型；其余的是不确定性。
尽管奈特将这种区分用于解释企业家所得的不成比例的利润（他们承担了不确定性，根据奈特的理论，应该比仅承担风险得到更多回报），这种区分也对风险管理产生了显著影响。实际上，埃尔斯伯格悖论清晰地展示了风险管理中3P的重要性：人们愿意为每个博弈游戏支付多少钱（价格），抽到红球或黑球的机会（概率），以及选择哪个游戏和为什么（偏好）。
风险管理实践面临的挑战当然是将3P整合在一个完整的风险管理协议中。这个令人生畏但却是至关重要的过程，是下个世纪金融市场和金融机构健康发展的前提条件。全球金融体系一年比一年更复杂，联系和相互依赖程度每天都在发展和变化。风险管理技术必须跟上演进步伐。
尽管崇高的全面风险管理目标还未实现，我想提出两个宽广的研究课题，可以推动我们更进一步地接近这个目标。这两个研究课题从本质上看是高度投机的、主观的，而且与最后成果相比并不那么无懈可击。但是潜在的好处是提供了风险管理的新思路，即便未能达到预想的目标，也值得这样做。
第一个研究课题包括了对偏好这个领域的重新研究。在3个P中，偏好明显是风险管理最基础的也是最缺乏理解的方面。一些大型研究团队已经围绕这个概念，在许多方面取得了进展——经济学和金融学、心理学、运筹学（也称为“决策科学”），以及近年的大脑和认知科学。许多新见解可以把这些不同的研究结合起来，纳入更完整地理解人类决策过程。
例如，是否有对风险偏好进行量化测量的可靠方法？风险偏好是如何与个性和情绪的其他方面相联系的，以及是否可以通过同一方式测量（例如，通过调研和心理特征描述）？记忆在决定风险行为中的角色？通过某些神经病理学能够揭示有关理性决策能力及其神经生物学来源的哪些方面？个人如何从自身与经济相关的经历和与他人的互动中学习？对于不确定性下的决策，是否有可能构建一个具有可操作性的理性定义？风险规避或损失规避是否是人在长大过程中习得的，或者说，儿童是否显示出了同样的倾向？
这类问题自然引向了更广阔的基于生态学原理和进化生物学的经济学领域。和新古典经济学和反理性预期截然不同的是，这两者都具备“可见和可触及”的物理科学特质。有关市场和经济互动的大量的实证资料提供了一个更为有机的解释。金融市场和机构被随机和有时无法解释的个人行为创造、改变乃至摧毁——有些是统一行动，有些是独立进行的，但都有其自身各种各样的目的。换言之，经济系统通过改变、适应和进化来配置稀缺资源。最终经济制度和规则只是进化形成的另一种适应，就是形而上意义上的“对生拇指”，极大地提高了人类存活机会。
这些想法不是新的——它们可归因到爱德华·威尔逊（Edward O.Wilson）1975年思考的成果“社会生物学”，但是它们在经济学，更具体地说，在金融市场方面的应用还没有充分开展。
如果我们要理解风险偏好的根源，它必定来自于生存本能，以及从这种本能如何塑造了经济制度的方向去思考。尽管这看上去远离实用价值，对“行为生态学”的研究却显示：动态最优化技术已经借助进化原理，揭示了许多生态系统的适应性行为背后的逻辑（例如，见Mangel，Clark，1988）。此外，新出现的“进化心理学”领域——明显继承了社会生物学，也包含了一些有关经济互动起源的重要见解。进化心理学家对于广泛的社会和文化现象提出了有说服力的观点，例如利他主义、亲缘选择、语言、伴侣选择、抽象思维、宗教、死亡和伦理。
也许类似的解释可以揭示风险偏好的真正本质，以帮助我们区分天生和几乎无法改变的东西及后天习得的某些东西。哪些类型的风险偏好具有进化优势呢？进化压力是如何影响风险偏好的？当经济互动的实质改变时，这些压力也会随着时间而变吗？
但是近期进化生物学和分子遗传学的和解，正如威尔森（1994，第12章）在其自传中所述，指出了最让人激动和进取的目标是：为风险偏好确定遗传学基础。自然选择在我们的DNA中留下了印记这个事实，给了我们一个强大的工具去追溯行为适应性的来源。这方面已经有了一些进展，导致了一门被称为“行为遗传学”的新学科的兴起，认知科学家和分子生物学家都在宣扬这门学科。通过最新的DNA排序技术和计算遗传学，科学家正在积极探索一些行为特征的遗传性，例如愤怒、癖好、进攻性、寻求刺激、性取向、狂热、压抑、精神分裂等情绪和性格。
这些研究的出发点通常是神经化学与特定行为模式的一种联系。例如，大脑中的神经传递物质多巴胺的水平看上去和寻求刺激行为是有关联的。一旦建立了这种联系，就可以进行相应的神经生物学遗传分析（例如，对基因或者与大脑中的多巴胺接收器相关的基因或基因组的识别和排序）。
尽管行为遗传学领域还处于初创期，其对于社会科学，特别是风险管理的潜在影响是明显的。风险偏好只是对一些行为模式的组合，例如寻求刺激和进攻性，赋予其不同的权重以获得不同的风险容忍度，还是具有更基本的遗传学基础？大脑的哪些部位与处理风险偏好最相关，是否与计算和量化推理是同一部位？两个人之间的风险偏好差异是否可以通过遗传对比来确定，如果可以的话，从个人和社会两方面会对风险管理产生什么影响？
第二个研究课题是受到了一个事实的激发：风险是人类行为的一个共同特征，因此可以从其他领域如何对待风险度量和风险管理中获得灵感。例如，风险评估是化学、航空学、航天学、原子能工程、传染学和公共卫生政策、生物医学技术以及保险业的有机组成部分。在这些领域里，学术研究与行业应用紧密联系，产生了可能包含金融风险管理新见解的实用的风险管理政策。近年在金融风险管理领域的创新可以提供非金融风险的新的思维方式。无论哪种情况，风险显然是一种普遍现象，通过在更广泛的框架中进行研究可以获得更好的理解。
社会学家查尔斯·佩鲁（Charles Perrow）在其影响深远的著作（1984）中暗示了这个框架，他指出对于一些过度复杂的系统，某些灾难是难以避免的结果。他详细分析了三哩岛核事故、飞机和空管事故、石化工厂爆炸和其他人为事故的机理。他提出了一个引人注目的观点：这些事故不是异常的，相反，对于如此复杂的组织机构来说，这些都是“正常”的。通过识别可能产生“正常事故”的特定组织特征，佩鲁提出了从更广维度思考风险管理的有用指南。特别是他沿着两个维度对系统做了分类——个体能够互动的程度，以及个体功能之间的依赖程度。个体之间可以复杂方式进行互动的系统（具有“互动复杂性”），以及个体之间高度依存的系统（具有“强耦合性”）是这类“正常事故”的主要候选对象。
这些工业事故——及由此引发的观点，对业界和政策制定者看待风险的方式产生了重要影响。这方面的文章至少可以在两份新杂志和快速增长的“高可靠性组织”和企业风险管理文献中看到。
尽管大多是描述性文章和定性讨论，其与金融风险管理的关联性还是很明显的：这样的工业系统具有复杂性和非线性，发生事故是自然不过的事情。人的任何微小的不可预见的判断错误都会引起快速连锁反应，最终变成大灾难。挑战是如何对互动复杂性和强耦合性进行量化处理，使得无论在金融还是非金融领域都可以实现风险和回报之间的智能平衡。也许“非线性动态系统”的新数学——能够描述特别复杂行为的确定性非线性方程，可以在确定这些均衡时起到作用。
如果前面提到的那两大研究课题看上去和风险管理实践的日常关注相距甚远，那么看看过往几年里发生在金融风险管理系统中的最引人瞩目的失败案例——宝洁公司、吉布森贺卡公司、橘郡、巴林，它们的共同点就是：人的判断和风险偏好。另外，散户投资者经常发生财富消长的原因只有两个：恐惧和贪婪。尽管将这些人类行为和生物学联系起来需要很好的想象力，但是其间的差距每天都在缩小。
上述两大研究课题跨越了如此多的不同学科——经济学和金融学、统计学、生物学以及大脑和认知科学的事实，可能是一个日趋明显的趋势，印证了威尔森（1998）提出的知识融合概念：“将不同学科之间的事实和基于事实的理论联结在一起，用这种综合知识创造出一个有共同基础的解释”（第8页）。对于社会科学，威尔森写道：
对于效用的完整理解将来自生物学和心理学，通过自下而上的综合减少人类行为的因素，而不是来自社会科学的从下而上的推理和建立在直观知识上的臆测。经济学家和其他社会科学家将在生物学和心理学中发现对更入时的预测模型的需求，这正如在物理学和化学中，研究者发现了提升生物学的东西。（第206页）
如果金融经济学要达到真正的科学水平，一个有希望的起点可能是风险管理3P的社会生物学基础。
尽管上面提出的两个研究课题都包含了一系列需要进一步深入研究的具体问题，很容易忘记最终目标是一个完整的全面风险管理协议。在完成了两个研究课题之后，这个协议将会是什么样子呢？
一个机构的全面风险管理协议可能包括以下五个阶段。第一个阶段是对组织结构进行分析，以确定其对正常事故的敏感度（例如，量化分析其互动复杂度和强耦合性）。这样的分析可以不必考虑3P，因为重点是在系统上，限制条件也包含在结构之中，而不是遇到这类限制条件的可能性和产生的影响等。
第二个阶段概率，是一个风险评估过程，即对各种事件和情境估算其概率。在这个阶段，要对客观和主观概率加以区分，所有概率都应检查其相互一致性。偏好和价格也可以在这里起到一些作用，在某个程度上能够帮助更准确地估算概率（见Shimko，1993；Rubinstein，1994；Jackwerth，Rubinstein，Ait-Sahalia，Lo，1998a）。
第三个阶段价格，包括确定各种事件和情境的经济结果，通过使用市场价格或通过计算均衡价格（要求偏好和概率）给出非交易的或不能立即变现的金融工具的价格。
第四个阶段偏好，包括了所有相关决策者的风险态度以及确定企业的整体商业目标。个体偏好可以通过一些方式确定：心理学和风险档案（调查问卷），历史表现记录，有时甚至包括生理学（睾丸酮和肾上腺皮质醇的血液浓度）和遗传学分析（风险处理能力的遗传诱因）。
一旦主要决策者的偏好和企业目标已经确定，有可能结合不同的薪酬结构分析风险偏好，检查可能的互动是否和那些目标保持一致。例如，如果个体是风险中性的，他的薪酬主要是公司股票期权，那么这个人的行为可能与股东财富最大化是不一致的。
这类方法不只可以用于设计薪酬方案，而且也可以筛选出风险偏好与现有薪酬体系和公司目标一致的员工。
第五个也是最后一个阶段是开发和实施自动化的实时风险监控系统，以便能够检测到3P明显的变动，包括关键决策者的薪酬水平以及他们的财富（这可能影响到他们的偏好），制度结构变化以及商业条件的改变。尽管这些可能现在还无法做到，但是专家系统、自然语言处理、自动化学习算法以及计算能力等领域的最新研究成果，可能让我们在不久的将来就可以做出这样的系统了。
这样的全面风险管理协议也可以很容易地应用在个人决策过程中，这可能是最重要的应用了。由于当今在大多数公司里出现了从设定提存福利到设定受益分配的养老金计划的转变，个人要承担为自己退休做好规划的重大责任。如果我们可以真正将价格、概率和偏好整合进一个框架中，让个人和机构可以系统和成功地管理他们的风险，那么我们将实现终极的功利主义绝大多数人的最大利益。