——雅克·朗格斯代(Jacques Longerstaey)
有效的风险管理需要兼顾多方面考虑,要求组织能力方面具备完整的计划。定义风险,在风险度量方面取得共识,决定是购买还是建立一个风险管理模型,所有这些都是选择和运用风险管理工具的关键步骤。
风险管理系统有的过于简单,有的却非常复杂。对于大多数投资机构的风险管理来说,介于其间的才是合适的方法——在一个易于使用的风险管理模型中用容易理解的方法解决关键的风险敞口。本章重点放在实践方面,包括尝试建立一个风险管理框架——其中包括定义风险,确定风险度量指标,识别追踪错误这类广泛使用的方法的缺点,以及决定是购买还是建立合适的风险管理模型。
前纽约联储银行总裁杰拉尔德·科里根(Gerald Corrigan)将风险管理描述为在正确的时间将正确的信息交给正确的人。这段简明扼要的话包含了十分丰富的内容。“正确的信息”指的是足够多但不过度的信息。由于过大的信息量,许多风险管理报告系统会出现瘫痪的现象,更危险的是,系统有可能会产生出据以无法采取行动的数据。投资组合经理和机构的高管——“正确的人”,需要那些让他们能够采取行动的数据和信息。这就是风险管理部门为什么能够以及如何为组织提供价值的原因。“正确的时间”并不容易确定,特别是当不得不兼顾到不同系统和不同方法的优缺点时更是如此。在精确度和速度之间经常需要做出折中处理。通常为了能够让管理层采取行动,需要在精确度方面做些让步。折中是科学和艺术的结合。
许多由资产管理经理承担的风险和由其他金融机构承担的风险是类似的:业绩表现风险、信用风险、操作风险、欺诈风险及业务集中风险等。资产管理机构与其他金融机构的不同之处在于,有些风险是与客户共同承担的。在这种情况下,客户在投资组合中的风险和资产管理经理最终承担的风险之间并没有清晰的界限。资产管理经理最安全的立场是像管理自己的基金一样行事。
另一个在其他金融机构和资产管理机构的风险管理之间做出区分的方法是对比其战术和战略风险管理。米歇尔·麦卡锡(Michelle McCarthy)主要从事风险管理战略方面的研究。
风险管理战略关注的是投资组合或整个组织的业绩表现风险。资产管理公司的风险管理部门也要关注公司特定投资组合的业务风险。业务中所面临的最大风险是随着时间推移,投资组合严重亏损,公司的客户基础开始收缩。
例如,在高盛资产管理公司(GSAM),VaR模型对于经纪/交易业务非常重要,用于对可能出现的交易账户浮亏做出估算。但是,作为一个机构,我们最大的潜在风险并非交易上的亏损,而是持续的熊市对整个IPO业务产生的影响。这个风险对于我们或任何华尔街上的投资银行来说,要比市场价格波动造成的交易损失更大。
风险管理涉及很多关注点,人们会利用许多系统来充分反映这些问题。只有当高管充分了解了风险管理部门的工作,才能切实地发挥他们工作的有效性。如果高管不认同这个流程,那么风险管理部门要么没有权力,要么什么也做不了。不幸的是,通常只有发生了“意外事故”才能引起管理层的关注。
如果机构想要实施综合风险管理项目,它们应该:
·遵循业内已经存在的“最佳实践”方法;
·设立独立的监督岗位;
·确保在投资流程中所有人之间不存在利益冲突;
·对持仓价格和合约价格进行独立的价格审查,确保充分的流动性;
·建立操作、法律合规、信用和信誉风险(我们称之为《华尔街日报》风险)的控制性敞口;
·了解潜在的市场和业绩表现风险。
顶尖的风险管理部门由四个基本要素构成:文化、数据、技术和流程。
2.1.3.1 文化
适宜的文化的精髓在于组织对风险管控原则的接受程度以及发展出一套风险“语言”。但是,风险管理文化依然很难定义。我经常说,这属于那种看到才能知道的事情。风险文化受到招聘流程“合理性程度”和采用的风险回报制度类型的影响。在良好的风险管理文化下,组织中的所有人员都很关注决策带来的风险类型和业绩表现风险(performance risk issues)。比如说,在高盛,我们的目标是保持稳定一致和可复制的收益分布。当投资经理们完全接受每个顾问可以想到的任何基准时,这个目标可能是很难达成的。因为没人能够针对那么多基准进行有效的业绩风险监督。对于客户制订基准的基金,由于不了解基准的组成结构,我们可能无法算出跟踪误差(tracking error)。VaR模型无法找出这种风险,但我们应该了解这种风险,我们要让组织中的所有人都对这个问题保持敏感。
文化的建立是一个长期的过程,它始于员工招聘,这对一个快速成长的组织而言尤其困难。例如,我们通常将分析师安排到风险管理团队轮岗3个月,他们在那里要承担一系列工作。我们希望他们能够和风险管理团队建立长期的联系。我们组织内部研讨会,让大家了解我们所暴露出的一些特定风险。我们也建立了风险委员会,所有业务负责人在两周一次的会议上一起评估业绩表现,讨论与风险管理有关的普遍问题,并向委员会演示讲解他们自己的业务活动。这样做的目的是建立一种文化,让组合投资经理成为责任人,风险团队则提供安全保障。
2.1.3.2 数据
头寸数据、市场数据、因子数据、历史收益数据——风险管理团队要求一系列大量的数据。我们得到的数据越多,我们就能够据此设计出让自己更合适的产品,所以我们就会更开心。但是这些数据需要高度统一,而且必须结合历史收益、当期头寸及所采取的分析方法。所以,风险管理团队是一项重大技术性投资,幸运的是,资产管理界正在慢慢转变历史上形成的不愿意花钱投资风险管理的倾向。
2.1.3.3 技术
风险管理团队需要一个捕获、分析和发布风险信息的系统。尽管有许多系统擅长捕捉和分析风险,但能够为实际需要管理风险的人做好发布和格式化信息工作的系统却少之又少。人们通常认为那些设计报告的人从未管理过投资组合。在高盛,我们会花很多时间重新设计报告来识别真正将要攻击我们风险系统的东西,鲍勃·利特曼(Bob Litterman)将其称为投资组合中的“热点问题”。
(注:Bob Litterman,“Hot SpotsTM and Hedges,”Journal of Portfolio Management(December 1996):52-75.)
2.1.3.4 流程
建立有效风险管理系统的最后一个要素是设计一个流程,将合适的职责、权限、制度和程序置于其中。这项工作主要依靠常识,但是细节可能非常繁复。
在高盛,管理风险的第一步是定义对于特定的客户,业绩表现风险是什么。例如,重点应该放在绝对VaR还是相对VaR(例如追踪误差)上?
尽管这两个概念十分相似,甚至难以区分,但是从投资期和置信度来看,它们是不同的。典型情况是客户定义了风险指标,但即便如此,客户真的想要一直使用那个风险指标吗?如果客户说他们是根据一个特定基准来衡量业绩表现的,那么这种做法始终是正确的吗?当然,很多投资组合经理认为,基于一个基准衡量的业绩表现,在市场上行时是有效的,但通常在市场下行时无效。对于后一种情况,客户通常是用现金来衡量业绩表现。所以参照某个基准进行衡量并不一定适用于所有场合。在某些情况下,采用风险的绝对衡量指标是个好主意。
除了参考基准对风险做出定义,某些客户还要求投资经理在竞争中胜出。从风险管理角度看,打败竞争对手是困难的,因为要清楚地了解竞争对手在做什么,甚至在某些情况下要知道竞争对手是谁都非常困难。试图打败竞争对手就像是要在不了解基准的组成结构的情况下掌控这个基准一样。所以,相对风险是未知的而言,人们无法在一个未知物上创造太多价值。
对于一个特定的基金,我们必须要判断风险是否是对称的。由于持有衍生工具头寸,分布可能是偏斜的,甚至由于缺乏衍生敞口以及某些市场,如新兴市场,可能产生肥尾分布。只看一个数字是不够的,应该检查整个收益分布。
不论是我们还是客户选择了哪个风险指标,客户都必须透彻地了解风险指标意味着什么。哪怕我们没有使用跟踪误差而是在用某种保险程度高达99%的产品,客户能否明白,1%的失败不等于永远不失败,尤其是在管理着资金的情况下,第一个季度似乎永远都会发生这1%的失败?
所以,我们与客户以及组织里的其他人一起接受教育的过程是相当重要的。我们的风险管理团队与市场团队和客户一起工作,确保我们所说的是同一种风险语言。高盛的风险管理人员大多来自银行或经纪/交易部门,所以我们需要学习和适应投资管理方面的术语。我们首先要做的一件事是建立一个术语表,在这个过程中,我们发现很多人在使用同样的术语表达不同的事物,这是组织所面临的一种风险。例如,对于我来说,方差是一个统计学术语,并不意味着组合的表现和基准之间的差异。
最后一点是,投资经理和客户必须清晰地知道业绩是否比一致性更重要。这是一个理念方面的问题。尽管我也没有一个肯定的答案,但是我更倾向于一致性,而有些人则更偏向于业绩。业绩和一致性基本上是两个不同的选择。因此,一个组织对于这两者的风险管理架构可能是不同的。
在定义了业绩表现风险之后,下一步是确保每个人都同意使用的风险指标。然而,同意是一个包罗万象的说法。此外,我们还要深入了解跟踪误差来说明某一风险指标设定中的困难,以及对其进行客观评价的重要性。
业绩风险中最常用到的指标可能就是追踪误差,但是是否每个人都同意追踪误差到底是什么以及如何计算呢?追踪误差的计算有多种不同的方法,我们是否应该了解过往的跟踪误差或者预测跟踪误差,以及我们将使用哪种模型呢?假设客户给我们提供了追踪误差的指引。如果客户要求我们度量合规风险,我们就得向客户打听他的意思是什么。在这种情况下,预期追踪误差达到500基点(bps)意味着什么呢?使用不同的VaR系统检视投资组合,可以得出完全不同的结果。所以,我们可以符合一个系统,但不符合另一个系统,所有对于客户来说,合规风险意味着什么呢?
追踪误差也没有对认识“六分之一事件”提供帮助,这类事件位于组合分布的左下部分,可能在六分之一的时间里影响到组合的价值。所以,风险管理团队可能需要使用追踪误差之外的其他指标,对风险进行监控。例如,风险管理团队会通过观察风格的变化,来确定投资经理的行为是符合协议的还是遵照典型的策略。风险管理团队还会观察不同账户之间的一致性,这更偏重于战略风险管理的考量,特别是有关其业务的可复制性和可扩展性。最后,风险管理团队可能想了解相关性相对于基准的短期变化,看是否有投资经理正在偏离协议或者基准。另一个了解这方面问题的方法是风格分析。
很多人都能马上指出VaR的缺点和问题,而这些缺点和问题同样也会出现在跟踪误差上,因为它们使用的是同一种方法论。资产管理经理的业绩评价周期通常要比交易员更长,但短于投资期限。所以区别投资期限和评估周期是很重要的。投资经理可能有5~10年的投资期限,但是人们希望在每3个月甚至更短的时间里就能看到投资经理的业绩表现。我曾听说有投资经理在当月20日接到客户来电,询问投资组合为何自月初以来下跌了200基点。不幸的是,即便投资经理有较长的投资期限,他必须查看与更短的业绩评估周期一致的风险指标。
通常使用的1个标准差并不能向投资经理提供有关事件风险的概率或者业绩不佳的情报。即便投资经理没有持有期权或者复杂的衍生工具,有时候投资组合分布也可能不在1个、2个或3个标准差的范围内。这种情况尤其适用于新兴市场投资组合,通常它们具有肥尾分布。
用一个数字来表示的跟踪误差不会让投资经理清楚地了解客户的效用函数是什么。效用函数是一个经济学概念,虽然通常在直观上很容易理解,但却难以进行测量。投资经理可以从某个角度提出问题,来确定客户对于这个或那个特定事情的感受。通过这种方式,投资经理可以更好地了解哪些情况会导致客户恐慌,哪些情况是可以被客户接受的。
使用跟踪误差的另一个问题在于,在上升和下跌市场中,客户对于业绩表现的反应通常是不对称的。这种不对称性对于投资经理构造客户的投资组合会有影响。如果客户对于投资经理跑赢市场的鼓励没有表现不佳时的惩罚大的话,投资经理可能采用一种锁定上限、保护下跌的策略。问题在于,通常在客户的效用函数和投资指引之间出现相互矛盾的情况。如果客户非常讨厌下跌,就需要采用衍生工具进行下跌保护,但是客户的投资指引表明不可以使用期权。潜在的矛盾冲突非常明显。
从定义上看,跟踪误差反映了相对回报,但在基准往往不代表客户倾向的情况下是有疑问的。我们假设无论哪个要求我们去比照的基准都恰好反映了客户的倾向,但是这个假设通常是不成立的。尽管我们的角色不是揣摩客户,我们仍应尝试为客户的倾向建立模型,而且确信无论被要求做出什么样的业绩,都应与那些倾向和基准保持一致。即便如此,跟踪误差的预测值通常是基准的一个函数。投资经理可以比照任何基准计算出跟踪误差,但是如果客户的投资组合包括了基准中已有的证券,那么跟踪误差的结果可能是无意义的。
图2-1 一只美国增长和收入基金与标普500总回报指数的20日移动周期跟踪误差对比,1997~1999
如果基准和组合非常相似,那么追踪误差的数字可能暴露于更大的模型风险之中。例如,假设你管理的基金比照的基准是标普500指数,而你的基金中只有标普500指数股(记住所有股票都要一样)。对于这个基金的合理的假设是,其关联性被破坏的风险远低于比照大型股指管理一个小型股基金所面临的风险。在比照大型股指数管理小型股基金时,当这些股票相互关联时,跟踪误差将会变得很小,但是一旦发生了重大事件,关联性将被破坏,而跟踪误差明显增大。所以,合适的基准是评估跟踪误差是否有意义的一个关键因素。
跟踪误差的另一个问题是,根据不同的模型计算出的估计值之间差别很大。例如,使用1997年1月到1999年1月间一个美国增长和收入股票基金的每日回报,其年化的历史跟踪误差是796个基点。图2-1显示在20日移动周期中,跟踪误差一般在5%~10%之间,尽管在1999年1月曾一度超过了15%。从月度数据来看,跟踪误差的估计值是530个基点,但是这个数字可能已经受到了样本数量的影响,因为2年时间也只能得到24个观察值。如果用更长时间的月度观察值,跟踪误差会升到大约775个基点。问题就是哪个跟踪误差是正确的,答案依赖于风险经理对于基金现况的主观判断。比如,我个人倾向于关注短期变化,所以我偏向于查看较高的数字,特别是20日移动周期中的跟踪误差数字在抽样的后半期是向上移动的。所以跟踪误差是含糊不清的,它们带来的问题和解决的问题一样多。
我们可能问到的一个问题是,比如,是否风格转换可以解释抽样后期出现的跟踪误差线性增大,或者是否有更基本的变化在起作用。图2-2显示同一个基金和标普500指数的20日移动周期内回报的相关系数,以及标普500指数和标普500价值指数的20日移动周期内的相关系数。直到1998年11月,这两条线靠得都很紧。由于标普500指数和标普500价值指数没有出现图2-1中的分离情况,所以认为跟踪误差上升是风格转变导致的看法可能是不正确的。如果是我在监督这个基金的风险,这些数据可能是需要和投资经理交流的信号,以便确定跟踪误差出现尖峰的原因是什么。
无论是过去的还是预期的跟踪误差,都无法识别出影响整体收益分布的事件,例如极端事件,而这正是模拟方法可以提供信息的领域。图2-3显示了基于蒙特卡罗模拟得到的历史数据和当前头寸的月度方差分布。我们纳入了一系列横跨不同资产种类的基金,其中一些实际上用到了衍生工具,以确保分布不会完全对称。我们首先模拟了基金总体回报的历史分布,如图2-3中实线所示。然后,我们再做了一次模拟,如图上虚线所示,使用的是基金工具的历史数据以及当期头寸。虚线显示风险已经明显降低了:分布变窄了,虽然左边仍不太光滑,但没有出现实线分布的那个肥尾。所以当期基金头寸没有过往基金头寸的风险大。只看跟踪误差是无法了解投资组合的全部风险的。
图2-2 20日移动周期回报相关系数,1997~1999
图2-3 使用蒙特卡罗模拟法的月度方差分布
风险经理必须让自己的客户明白,即便一个基金在一年内或一年以上都具有不变的跟踪误差,有时仍可能超出回报的分布范围。图2-4展示了一个试图每年超出基准3%且跟踪误差为6%的基金的跟踪误差水平。在年末,基金的回报有可能落在B点,这在预先确定的跟踪误差范围内。但在当年中,该基金有一段时间是落在分布范围外的,如在A处。
在图2-4中,基金(粗实线)是比照一个知名的基准管理的,在1998年的市场动荡中,该基金的表现,如果用跟踪误差来度量的话,是大幅下降的。但是这个基准并不合适,所以这个跟踪误差无法很好地表现整体风险水平。
图2-4 美国股权增长和收入基金的累积回报与标普500的目标跟踪误差,1998年
回溯测试是用于评估跟踪误差的预测精度的一种做法。为了做出图2-5,我们用一个软件供应商开发的跟踪误差模型检验一个美国增长和收入基金,然后回溯测试这个模型给出的结果。我们发现这个模型表现相当差劲,有13%的观测值落在了2.33倍跟踪误差带的范围之外。
图2-5 一个美国股权增长和收入基金与标普500比较的周回报率,1997年11月14日~1998年11月20日
银行业对回溯测试的态度相当严谨,模型通常要在进行了充分的回溯测试之后才能使用。但是在投资管理产业中,回溯测试没有得到此般的重视,但仍将成为模型设计和开发的一个非常重要的领域。与此同时,投资组合经理经常根据直觉或者主观地在个人经验基础上对风险估计值做出调整。
作为战略管理层面上的重点,为了使业绩表现保持稳定,投资机构可能想测量与追踪误差完全无关的因素。图2-6展示了两类账户的月度相对回报的分布。我们抽取的是两类采取相同方式进行管理的客户账户,并做出其分布的直方图。a的回报分布紧密地围绕在均值附近,这些账户大多表现较为一致。b的回报分布较分散,但由于这些账户本应该用同样的方式进行管理,其中的原因有待调查。对于b的分散分布,尽管可能会有更好的解释(如客户的指示、股票上的限制),仍会有一些站不住的理由,需要对流程做出改变。一家从战略上决定来争取一致业绩表现的机构,想要得到的是像a那样的分布,而不是像b那样的分布。
图2-6 两类账户的月度相对回报分布
机构也想确保其基金表现不会受到信用集中或者机构风格偏差的影响。信用集中在不同的投资组合上不太重要,但是从整体上会明显影响到流动性。而且,机构在任何时候都不愿意拿自己的业务在投资资产类别或风格方面下赌注。机构不想在吸引或保持资产的特许权或能力,以及在自己无法控制的事情上打赌。
对于建立风险管理系统,我的个人建议是购买最好的,其余的可以自建。自建一个系统的最不利之处是在成本和时间上的巨大投资;而主要优点是具有灵活性,有可能提高准确度和精度,以及差异化竞争优势。如果使用的是同一家供应商提供的分析工具,经理A无法对客户说他对风险的管理优于经理B。我们可以通过这种差异化竞争优势来区分顶级资产管理机构和第二梯队的资产管理机构。
购买系统的优点是成本相对较低,并且可以从供应商那里获得技术支持。但是在高盛,我们发现对于投资管理行业来说,业绩风险分析和报告系统的市场并不大,也不够多样化。因此,无论是分析软件还是报告软件,供应商的缺乏都影响到了它们的质量。一些系统带有很好的分析工具,但也不一定能够保持良好的运行,而且其系统架构通常也难以调整。所以,高盛建立了自己的风险管理系统,我们采用来自不同供应商的组件以及一些由内部开发的应用,结合来自第三方的风险模型以及经纪人/交易员内部使用的工具。因此,我们将自己的风险系统作为框架和交付系统,但是任何一个投资组合都可以运用一系列的外部和内部风险模型。
风险管理的实用方法认同投资风险需要测量,机构的顾虑需要强调,有意义的项目要素包括文化、数据、技术和流程。那些能够定义其业绩表现风险,赞同能够避免一些广泛使用的指标上存在缺陷的风险指标,以及在购买还是自建风险度量模型时评估过优缺点的组织,最有可能采用一套真正有用的风险管理系统。
问答环节
问: 你会根据不同的基金改变你的风险管理模型吗?
答: 尽管针对每种产品或者不同客户有可能需要做一些调整,但是我认为应该坚持一套完整的风险管理方法。随着时间推移,你希望得到的是稳定性。使用同一种方法,你了解其中的缺点,即便给出的数字会有些问题,由于你对这套方法的熟悉程度可以帮助你对数字做出长期的比较和判断,所以这些数字会变得越来越有意义。
由于同一种方法的变种可能被用于不同种类的资产,所以这种方法从整体上看非常重要又很复杂。例如,你可能在权益类资产上使用一种因子模型,而在固定收益类资产上使用完全不同的因子模型。所以将这些数据进行整合通常会成为问题。幸运的是,在整合层面上,人们不太关心风险指标的绝对精确,而是更关心整体风险情况。
问: 你使用标准的跟踪误差指标吗?
答: 我们和投资组合经理及营销人员一起花了足够多的时间去界定产品,以便能够有一套多样化的产品组合。这意味着对于不同客户的不同产品,我们会有一套不同水平的跟踪误差。例如,对于大幅变化的日本股权基金,其跟踪误差会根据资产的配置地域而有很大差别。如果该基金作为一个国际股权基金的组成部分,跟踪误差可能会比一个只配置日本资产的基金更低。国际投资者会寻找在日本的一般风险敞口,而日本国内投资者则倾向于承担更大的风险。跟踪误差依赖于你如何定位自己的基金,以及你的客户是谁。
问: 你在分析中是否使用风险回报比例?
答: 风险管理团队和管理层为投资组合经理共同开发了业绩表现指标,例如风险回报比例以及信息比率,确保每个人都对这些指标满意。大家认为只做多的投资组合可以达到的风险回报比例是0.5,也就是说,对于超过基准3%的回报,6%的风险是合适的。
我们首先做的一件事是了解这个比率是否有意义,以及这个比率分布的百分比区间。对于主动管理的股权投资,信息比率达到0.5的投资经理会成为明星——处于分布的顶端位置。但是也要记住,多少投资经理在某个策略、类别或风格以及有能力达到0.5之间可能存在着某种联系。其他类型的投资经理可能达到完全不同的比率。比如对冲基金经理,有可能达到1.2~3的信息比率。
问: 基于VaR的历史视角,你如何评判蒙特卡罗模拟法或其他参数方法的比较优势?
答: 我们都会用到历史数据。具有纯粹历史模拟的不同版本的各种参数方法和蒙特卡罗法的一大优势是可以让我们考虑到随时间变化的波动性的本质。通过简单的历史模拟,我们不一定需要知道这些模拟结果发生在哪一类环境里。一个事件有可能在低波动性的环境里发生,而且波动会变得更大。我赞成能够展示出波动随时间变化本质的方法。
问: 你如何处理构成基准的组分的变化?
答: 处理一个变化的基准就和对付一个你不了解构成组分的基准一样困难。我们为自己的市场营销人员所做的事情就是为基准划分类别:我们喜欢的,我们可以接受的,以及我们不想采用的。基准组分的波动性(或者从正面理解就是结构和内容的透明性)是确定一个基准属于哪个类别的关键因素。有趣的是,对于基准的反对主要不是来自风险管理团队,而是来自投资组合经理或者业绩表现评估团队,他们每天的工作就是和这些困难的基准打交道。
问: 在做回溯测试时,我们假设投资组合在评测期间不会改变,但是投资组合经理确实在调整他们的组合。你如何处理这个问题?
答: 如果采用高频次回报(比如每日或每周),其实你就不会碰到这个问题。解决这个问题的另一个方法是查看不变组合的风险和业绩表现。在这种情况下,你可能不得不计算你从未持有的头寸的回报,因为在评估期间,这些头寸并不在组合中。这样做的成本可能比采用高频次数据的成本更高。
另外,我们会通过另外一种方式来完善跟踪误差,那就是考虑将两个经过风险调整的业绩表现指标加入考量范围之内:一个定义为业绩表现除以已实现的追踪误差,另一个定义为业绩表现除以预期追踪误差。这两个比例相除,可以衡量投资组合经理将潜在高风险转化为较低波动性的效率。