e1 John Hull 風險管理與金融機構 v5
27.3 識別重大風險
金融機構企業風險管理的一項重要內容是識別已有業務和重大戰略投資計劃的關鍵風險敞口。要識別這些風險敞口在很大程度上與選擇壓力測試的情景類似。歷史可以提供一些指引。例如，金融機構應該考慮，如果類似2007～2009年的衰退再次發生，它應該怎樣應對，對正在發生以及初現端倪的趨勢也應加以仔細分析。為金融機構工作的經濟學家以及高管也可以提供有價值的見解。正如前面章節解釋的，銀行所處的環境在改變。2007年信用危機的後果之一是金融機構受監管的幅度增強了。有些業務，如衍生產品交易的利潤幅度不像危機前那樣大；另一些業務，如自營交易乾脆被禁止（至少在美國是這樣的）。資本金要求以及流動性要求變得更高。一些金融媒介業務由銀行轉移到了影子銀行，如貨幣市場基金、住房抵押貸款公司、證券化機構等。在很多情況下，影子銀行受到的監管比銀行要輕，因此可以提供更有競爭力的服務。
認知偏差
有效識別風險的能力會受到被稱為認知偏差現象的影響。認知偏差（cognitive biases）是指人類思考問題的方式有一定的傾向性而且並不是完全理性的。認知偏差的一個例子是一廂情願。有時我們很難分清什麼是我們想要發生的（如一個項目會成功）以及什麼是我們認為會發生的（作為一個測試，我們不妨問一下曼聯隊的球迷，曼聯下一個年度奪得足總盃的把握有多大）。當希望某件事會發生時，我們往往只考慮能夠促成這件事發生的因素。
心理學家羅列了超過100種認知偏差的表現。很多開創性的工作是由丹尼爾·卡尼曼（Daniel Kahmeman）和阿莫斯·特沃斯基（Amos Tversky）完成的。[1]因為在前景理論（prospect theory）方面與特沃斯基的共同貢獻，卡尼曼獲得了2002年度諾貝爾經濟學獎（特沃斯基不幸在此前去世）。該理論研究的是人們在面臨不同的帶有風險的選項時，是如何做出決策的。
一種重要的偏差被稱作錨定效應（anchoring）。在評估一種可能出現的結果時（例如，一項新的風險投資的收益），我們很可能固守在最初評估得出的結論上。我們會傾向於僅對最初的估計做較小的修正（這種現象被稱為“錨定與調整”現象），而通常不會去考慮更全面的可能性。特別是，重大的不良後果會被有意無意地認作根本不會發生。要說明錨定效應，我們可以做個試驗。詢問一組人一個他們並不知道答案的問題，如冰島的人口數量。先請他們給出自己認為對答案的最好的猜測，然後請他們給出自己主觀認為的人口數量概率分佈的5%和95%分位數之間的範圍。如果他們的估計是好的，則人口的真實數量位於這個區間之外的概率只有10%。但實際上，發生這種情況的頻率遠大於此。錨定效應的存在使人們認為自己瞭解的比實際瞭解得更多。
另外一種認知偏差被稱為可得性啟發（availability）。這是指較新的信息會被賦予過大的權重。不幸的是，企業風險管理（對一般的風險管理也是如此）就是該現象的受害者。在金融危機之前，很多金融機構的風控人員的意見不受重視，因為危機爆發前的情況一直很好。金融危機後，這種情況得到了改善，風控人員有了更大的影響力。但是隨著對危機記憶的消退，“美好的光景可以一直持續下去”這種態度又開始回潮了。
還有一種認知偏差被稱為代表性啟發（representativeness）。這種現象是指一個人會以自己過去在類似背景下的經歷或形成的觀點為模式，對某一件事做出分類。這種現象有助於做出迅速的決策，但是也存在缺陷，因為它會導致思維閉塞和刻板印象。基於過去的經歷，一家金融機構的某位高管可能會認為在某一市場領域，其他任何機構都幾乎不可能具備與本機構競爭的能力。但是，如果這位高管的經歷是有限的，那麼他過去的經歷也許對未來可能會發生的情況缺乏代表性。
人們在估計某一情況可能出現的概率時，有時會犯條件倒置的錯誤。假設有一種特殊的疾病，平均每10 000人中會有1個病例。如果有一個準確率為99%的測試發現你的檢查結果為陽性（陽性表示帶有這種疾病），那麼你得病的概率是多大？你可能馬上會認為這個概率是99%，但正確的答案是1%。我們感興趣的概率是
Prob（D | TP）
其中D為得病的概率，TP為檢查結果呈陽性的概率。
從檢查本身的準確度看，我們有
Prob（TP | D）=0.99
但是
Prob（D | TP）≠Prob（TP | D）
在每10 000個人中，平均有大約100個人的檢查結果呈陽性，但只有1個人是真正的患者。[2]因此，我們真正感興趣的概率只有0.01。這是概率論中的貝葉斯定理的運用。
還有一種偏差被稱作“沉沒成本偏差”（sunk cost bias）。假設有一家金融機構為打開某個新市場已經花費了10億美元，但是情況並不樂觀，成功的希望渺茫，那麼這10億美元的花費會影響這家機構的決策嗎？答案是這10億美元是會計上所稱的沉沒成本。不管現在如何決策，這部分成本都已不能被收回。關鍵的問題是未來的效益是不是足夠高，成為繼續投入的理由。在實踐中，很多人並不情願承認錯誤，而是花費大量時間把明顯已經失敗的項目繼續進行下去。即使明知成功的概率很小，他們還是指望能夠把投入的錢撈回來，這是缺乏理性的。
瞭解這些認知偏差有助於我們做出正確的決策，並識別關鍵風險。但是，我們也應注意，心理學家的實驗表明，偏差是非常難避免的。即便研究人員已經向試驗對象仔細解釋過這些偏差（如錨定效應），並且給予他們經濟上的獎勵，鼓勵他們做出好的估計，偏差還是會出現。
企業風險管理面臨的挑戰是需要識別尾部風險，並儘量準確地估計在尾部風險上升的條件下，各種不良情況發生的概率。我們討論的認知偏差（包括很多沒有在此討論但是已經被心理學家記錄的偏差）表明風險可能被低估。納西姆·塔勒布（Nassim Taleb）在其暢銷書《黑天鵝》中對此做出了論述。[3]在書中他對採用正態分佈來計算風險指標的做法（正如我們在本書中經常做的）提出了尤其嚴厲的批評，並且指出類似1987年的股災以及2007～2009年的信用危機一類的事件發生的可能性遠比我們預想的要大。
通過由高管組成的委員會或經濟學家來定義可能的不良情境是有益的。在討論觀點時，我們還應鼓勵員工充當魔鬼代言人（即充分表達相反甚至極端的意見）。如果CEO獨斷專行，總是相信自己的主要戰略決策是正確的，且不喜歡聽反對的意見，那麼很顯然潛在風險是很難得到充分考慮的。
[1] See, for example, D. Kahneman, P. Slovic, and A. Tversky, Judgment under Uncertainty: Heuristics and Biases (New York: Cambridge University Press, 1982).
[2] 如果有100例檢查結果呈陽性，那麼這個檢查結果對9 901人是準確的，所以準確率是99%。
[3] See N. N. Taleb, The Black Swan: The Impact of the Highly Improbable (New York: Random House, 2007).