馴化黑天鵝：重尾性操作風險的度量精度與管理參數研究

18世紀之前，歐洲人堅信天鵝都是白色的，從沒有人質疑過為什麼天鵝不會有其他的顏色。但自從黑天鵝首次在澳洲被發現，並由英國博物學家約翰‧萊瑟姆於1790年將該物種介紹給全世界後，這一基於有限經驗和頑固信念的常識就被徹底打破了。野生的黑天鵝並無固定的自然棲息地，它們會根據氣候變化做無規則的遷徙。但隨著人們對其生活習性和餵養方法的逐漸了解，黑天鵝的命運也於19世紀初走向了兩個極端：野生的黑天鵝被作為禽肉，曾一度在紐西蘭被狩獵到幾近滅絕，而馴化後的黑天鵝則被列為觀賞鳥類引入到了世界各國的動物園中。黑天鵝從「不存在」到被發現的故事有著深刻的寓意，即每個領域都有可能普遍存在著罕有發生但卻影響深遠，事前難以預測但事後又可解釋、可掌控的標誌性事件。黑天鵝從野生到被獵殺或馴化的故事則有著另外一番意味，即只要能準確地理解這些重大稀有事件，人們是有能力對該類事件進行有效監控和管理的。

操作風險已經對金融機構的生存和發展構成了最致命的威脅。本書以黑天鵝事件在金融界的典型體現--操作風險事件--為例，從學術角度探討了尖端事件的精準識別和度量精度問題，並進一步發現了哪些因素會對黑天鵝事件的監控和管理產生決定性的影響。

黑天鵝從「不存在」到被發現的故事有著深刻的寓意，即每個領域都有可能普遍存在著罕有發生但卻影響深遠，事前難以預測但事後又可解釋、可掌控的標誌性事件。黑天鵝從野生到被獵殺或馴化的故事則有著另外一番意味，即只要能準確地理解這些重大稀有事件，人們是有能力對該類事件進行有效監控和管理的。
在金融史上，黑天鵝事件更是屢見不鮮，通常會引起金融市場的連鎖負面反應，導致整個經濟體進入經濟衰退狀態，甚至在全世界範圍內造成深遠的影響。從統計學的角度來說，黑天鵝事件是一個隨機變量，它的分佈函數具有尾部厚重的特性，即該類事件一般很少發生，但是一旦發生將導致災難性的損失。比如，１９２９ 年紐交所 「黑色星期二」、 １９７３ 年中東石油危機、 １９８７ 年美國 「黑色星期一」 股災、 １９９７ 年亞洲金融風暴、 ２００７ 年次貸危機、 ２０１１ 年歐洲國家債務泥潭等。雖然經濟學家在事後完美地解釋了這些金融危機發生的機理，監管機構也在事後制訂了相應的預防性政策，但下一次的黑天鵝事件還是會以新的形態再次出現。既然無法逃過黑天鵝的左右，那麼我們如何找到各色天鵝的共性，並嘗試去認識和馴化它們呢?
本書以黑天鵝事件在金融界的典型體現——操作風險事件——為例，從學術角度探討了極端事件的精準識別和度量精度問題，並進一步發現了哪些因素會對黑天鵝事件的監控和管理產生決定性的影響。在沒有對銀行和其他金融機構造成災難性破壞前，操作風險一直未能得到金融實踐者和監管當局的重視，其直接後果便是一系列嚴重操作風險事件的爆發，例如，１９９５ 年的巴林銀行和日本大和銀行魔鬼交易員事件、 ２００８ 年的法國興業銀行股指期貨產品巨虧、 ２００４ 年經濟損失高達 １１. ２５ 億元的山西 「７.２８」特大金融詐騙案、 ２０１３ 年光大證券 「烏龍指」 事件等。縱觀國際和中國形勢，操作風險度量與管理的技術和手段遠滯後於風險形勢的演變，操作風險已經構成了金融機構生存和發展的最致命威脅，對其實施有效管理已經成為當前一個非常重要而緊迫的任務。
實際上，操作風險是一種很古老的風險，伴隨金融機構的建立而產生，是金融機構業務活動與操作所產生的副產品，是金融機構為獲得收益或降低營運成本而有意承擔的風險。操作風險是與金融機構業務活動密不可分的一種風險，只要存在著業務活動，必然會產生操作風險。最初，由於金融機構業務活動相對簡單，產品也不是很複雜，操作風險沒有對金融機構形成太大威脅，因此，沒有引起金融機構和監管當局的重視和關注。但是，隨著業務活動的日益複雜和各種衍生金融工具的廣泛應用，操作風險也變得越來越大。同時，隨著化解市場風險與信用風險的綜合性產品的日益複雜，風險測量技術也變得日益複雜，這使一部分市場風險和信用風險轉化為操作風險。在當今時代，操作風險已經成為金融機構的重大威脅。
本書通過對已有操作風險研究文獻的梳理發現，低頻高強度損失的操作風險事件的損失強度具有顯著的重尾性分佈特徵。極值模型法是度量重尾性風險的最佳方法。而目前在業界中，損失分佈法是操作風險的主要度量方法。因此，本書將極值模型法和損失分佈法結合起來，研究了重尾性操作風險的度量精度與管理問題。首先，本書分析了重尾性操作風險度量偏差的影響因素；其次，本書以相關實證研究為基礎，分別在兩類極值模型( ＢＭＭ 類模型和ＧＰＤ類模型) 中選擇典型的重尾分佈即Ｗｅｉｂｕｌｌ (威布爾) 分佈和Ｐａｒｅｔｏ (帕累托)分佈，作為操作損失強度分佈假設，從理論上探討了高置信度下重尾性操作風險的度量精度和關鍵管理參數，並進行了示例分析；最後，本書提出了一種操作損失強度分佈模型的選擇方法。通過以上研究，得到如下創新性結論：
(１) 本書系統探討了度量偏差的影響因素，發現該偏差的存在具有客觀性。影響因素主要有兩個方面： 一是樣本異質性。在內外部損失樣本共享數據庫中，不僅存在損失門檻差異，而且存在機構內外部環境等差異而導致的樣本異質性，從而導致度量偏差。二是度量中存在分佈模型外推問題。操作損失樣本量稀少，導致在高置信度下度量操作風險時，存在分佈模型外推問題。這使度量結果產生不確定性。以上兩方面因素使度量偏差不可忽視。
(２) 鑒於重尾性操作風險的度量結果在客觀上存在偏差，第三章進一步探討了度量精度。在損失分佈法下，操作風險價值的置信區間長度表徵操作風險的度量精度。通過對該度量精度的系統研究，得出如下結論： ①重尾性操作風險度量精度靈敏度的變動僅與形狀參數和頻數參數有關。以彈性分析方法，通過對不確定性傳遞系數靈敏度及其變動的理論研究發現，引起不確定性傳遞系數靈敏度變動的參數僅為形狀參數和頻數參數，與尺度參數無關，這表明在其他條件不變的情況下，重尾性操作風險度量精度的變動僅與形狀參數和頻數參數有關。②以本章建立的理論模型，可判別度量精度的關鍵影響參數。隨特徵參數變動，不僅度量精度會變動，而且其關鍵影響參數也將變化。示例分析驗證了該理論模型的有效性。
(３) 從度量的角度判別出對操作風險影響程度最大的特徵參數，並作為關鍵管理參數，將度量模型與管理模型聯繫在一起，使兩模型的整合成為可能，而且可據此建立操作風險動態管理系統。
(４) 綜合第三章和第四章的研究結論可知，隨特徵參數變化，操作風險價值及其度量精度都同時變化。據此，提出監管資本提取方式的改進建議： 在監管資本置信區間的下限提取監管資本，從置信下限到置信上限，配置以無風險資產。由此使被監管機構在資本配置上具有一定靈活性。
(５) 本書在第五章提出了損失強度分布選擇的一種方法，即以操作風險管理系統靈敏度最大為標準進行選擇。

１　緒論/ １
１.１　引言/ １
１.１.１　國際背景/ １
１.１.２ 中國背景 / ３
１.２ 操作風險概念界定 / ４
１.３ 操作風險度量的基本方法 / ７
１.３.１　基本指標法/ ７
１.３.２　標準法/ ８
１.３.３　高級計量法/ ９
１.４　損失分佈法綜述/ １２
１.４.１　操作損失數據樣本/ １３
１.４.２　內外部損失樣本共享問題/ １６
１.４.３　極值模型法在尾部風險度量中的應用/ １９
１.５　操作風險管理研究綜述/ ２５
１.５.１　國外操作風險管理研究現狀/ ２５
１.５.２ 中國操作風險管理研究現狀 / ２７
１.６ 問題提出和研究意義 / ３０
１.７ 研究內容與結構 / ３２
１.８ 主要創新點 / ３３
２　操作風險度量偏差的影響因素/ ３５
２.１　引言/ ３５
２.２　樣本異質性對分佈模型的影響/ ３６
２.２.１　門檻導致的樣本異質性/ ３７
２.２.２　除門檻外其他因素導致的樣本異質性/ ３９
２.３　分佈模型外推導致的偏差/ ４１
２.３.１　樣本內估計操作風險價值/ ４２
２.３.２　樣本外估計操作風險價值/ ４３
２.４　本章小結/ ４３
３　重尾性操作風險度量精度/ ４５
３.１　引言/ ４５
３.２　Ｐａｒｅｔｏ 分佈下操作風險度量的精度/ ４７
３.２.１　操作風險度量的精度/ ４８
３.２.２　操作風險度量精度及其靈敏度/ ５０
３.２.３　結論/ ７０
３.３　Ｗｅｉｂｕｌｌ 分佈下操作風險度量的精度/ ７１
３.３.１　操作風險度量的精度/ ７１
３.３.２　操作風險度量精度及其靈敏度/ ７２
３.３.３　結論/ ８７
３.４　本章小結/ ８８
４　重尾性操作風險關鍵管理參數/ ９０
４.１　引言/ ９０
４.２　Ｐａｒｅｔｏ 分佈下操作風險關鍵管理參數/ ９２
４.２.１　Ｐａｒｅｔｏ 分佈下操作風險價值度量/ ９２
４.２.２　關鍵管理參數判別模型/ ９２
４.２.３　示例分析/ １００
４.２.４　結論/ １０５
４.３　Ｗｅｉｂｕｌｌ 分佈下操作風險關鍵管理參數/ １０６
４.３.１　Ｗｅｉｂｕｌｌ 分佈下操作風險價值度量/ １０６
４.３.２　關鍵管理參數判別模型/ １０７
４.３.３　示例分析/ １１７
４.３.４　結論/ １２０
４.４　本章小結/ １２１
５　操作損失強度分佈選擇/ １２３
５.１　引言/ １２３
５.２　操作風險價值度量/ １２４
５.３　操作風險價值靈敏度的比較分析/ １２６
５.４　本章小結/ １３１
６　結束語/ １３２
６.１　總結與創新點/ １３２
６.２　研究展望/ １３５
參考文獻/ １３７