风险度量的幻觉与基于模型的银行资本监管方法

彭寿康

( 浙江工商大学 金融学院，浙江 杭州310018)

一、问题的提出

最低资本要求应该反映各个银行的风险状况，这是巴塞尔委员会倡导的银行监管新理念。为使这种监管理念付诸实践，最近20多年来，努力提高最低资本要求对银行风险的敏感性，是不断改进的巴塞尔协议的主要设计目标。在早期的银行监管中，控制资本与负债比例是许多国家采用的方法，因为这个比例越高，银行资本能起到的缓冲风险的作用越大。然而，尽管这种监管方法简洁透明，不仅便于银行运用、而且便于监管者核查，但其缺点是，资本充足要求只与银行资产的数量有关，而与银行实际承担的风险无关。由于高风险资产可以获得高收益，这种只控制资本与负债比例的方法，会诱使银行将资产配置从低风险转向高风险，从而危及银行业的安全性。

为了提高最低资本要求对银行风险的敏感性，继在1988年的资本协议中提出了信用风险度量的风险权重法后，在1996年的资本协议关于市场风险的修订案以及在2004年的新资本协议中，巴塞尔委员会又引入了一种基于模型的银行资本监管方法:鼓励银行采用内部模型来度量风险，并据此计量最低资本要求。巴塞尔协议的这种银行监管模式，其蕴含的基本假设为:金融风险是可以准确度量的——只要通过监管资本激励的制度安排，鼓励银行采用先进的风险度量方法。然而，尽管基于数理模型的先进风险度量方法在西方国家银行业中已经得到了普遍运用，尽管认为金融风险可以准确度量已经成为一些国家银行监管机构的信念［1］，但2007-2008年间全球金融危机的发生却表明，巴塞尔银行监管模式中还存在着严重缺陷。不仅暴露出金融风险可以准确度量的信念其实只是一种幻觉，而且基于模型的银行资本监管方法也加剧了整个系统的脆弱性。巴塞尔银行监管模式中的缺陷，被认为是引发全球金融危机的一个重要原因［2］。

在后危机时代，改革现行的监管模式，使银行系统更加稳健，减少金融风险溢出对实体经济的影响，已经成为许多国家的共同诉愿。2009年12月，为响应20国集团领导人峰会提出的希望进行银行业监管改革的要求，①2009年9月，在美国匹兹堡举行的20国集团领导人峰会上，与会各国提出希望在2010年底前，对银行业建立起更加严格的资本标准的议案，并且希望议案能够在2012年底前全面实施。巴塞尔委员会发布了关于加强银行业资本标准和流动性监管的两份咨询文件，即《巴塞尔协议Ⅲ》。在这两份文件中巴塞尔委员会意识到，在次贷危机爆发前许多银行过低的资本充足率，是导致次贷危机加剧、并最终演化为全球金融危机的重要原因［3］。②巴塞尔委员会的调查结果发现，当美国次贷危机发生时，许多国际大银行的权益资本与资产的比率只有2%(Basel Committee，2009)。为了改变银行业资本充足率过低的状况，《巴塞尔协议Ⅲ》对银行的资本充足率提出了更为严格的标准。然而在这两份文件中，巴塞尔委员会并没有系统地分析为何在实施了新资本协议后，一些银行的资本充足率会如此之低?为何其一直倡导的基于模型的银行资本监管方法，在本次危机中会表现得如此失败［4］?

《巴塞尔协议Ⅲ》是巴塞尔委员会对新资本协议所做的一种改良。然而，这种改良只关注到许多银行资本充足率低的现象，却没有深入分析造成这种现象的内在原因，没有反思其一直倡导的基于模型的银行资本监管模式是否存在问题。那么，如果这种改良早几年提出，是否就能有效防范本次金融危机的发生?如果考虑到《巴塞尔协议Ⅲ》继续沿用了基于模型的银行资本监管方法，而正是这种方法造成了次贷危机前许多银行过低的资本充足率［5］;如果考虑到与新资本协议一样，《巴塞尔协议Ⅲ》同样缺乏坚实的理论支撑和扎实的实证支持，那么对这个问题就很难给出肯定的回答。在后危机时代，对现有的银行监管模式是需要进行认真反思，还是只要做些改良，这个问题正在引起学术界的关注。本文是对这个问题所做的分析。

二、数理模型的缺陷与风险度量的幻觉

在今天的社会科学领域中，没有哪个领域的发展，像金融领域的发展那样，紧密伴随着、甚至在很大程度上依赖着数理模型的发展。现代金融领域对数理模型的依赖，不仅体现在理论研究文献中，而且反映在具体的金融产品创新和交易策略设计中。在如今的金融机构中和金融市场上，充满着各种利用数理金融模型和金融工程技术开发出来的复杂金融衍生产品和投资交易策略。最近三十多年来，随着金融系统复杂性的不断增加和数理金融模型的不断发展，现代金融业对数理模型的依赖越来越强:我们依赖模型给复杂的金融衍生产品定价，依赖模型预测和管理金融风险，依赖模型设计金融机构的投资交易策略，甚至依赖模型计量对银行的监管资本要求。

然而很不幸的是，当现代金融业对数理模型越来越依赖时，数理模型的可靠性却随着金融系统复杂性的增加而降低了。现代金融业建立了许多模型来给金融产品定价，来预测和管理风险，然而，当金融危机来临时，当我们最需要这些模型发挥作用的时候，往往却是这些模型最失败的时候［6］。1987年10月美国股票市场崩盘时是如此，1998年长期资本管理公司危机发生时是如此，美国次贷危机和全球金融危机发生时也是如此。当然，数理模型的失败，并不意味着现代金融业不需要模型。数理模型是很有价值的，尤其是在一些金融产品定价和金融机构的内部风险管理中——如果模型的缺陷能够被认识到，如果模型能够被合理使用的话。然而，当数理模型的缺陷被忽略，当现代金融业对数理模型过度依赖，乃至于形成风险度量的幻觉，认为复杂的金融风险可以利用先进的模型来准确度量，甚至认为可以依靠数理模型来维护银行系统的安全性时，这种失败的根源就形成了。

本文认为，数理模型的缺陷，首先体现在模型的预设前提的脆弱性。如果基于金融经济学的视角分析，那么现代金融业中的很多风险度量模型，都可以看成是建立在不确定条件下的决策理论基础上，依据等价效用原则而推断得到。比如说，巴塞尔协议建议采用的VaR 和受到学界推崇的ES，就可看成是基于Yarri的对偶理论和等价效用原则而推断得到［7］。由此关系我们可以知道，风险度量模型的隐含假设为:(1)金融资产的不确定是风险(Risk)，投资者不仅知道未来可能发生的各种结果，而且知道对应的概率;(2)投资者的风险态度由效用函数决定，风险态度不会随着金融市场的演化而改变;(3)投资者是理性的，不会受到“动物精神”的支配，其决策行为不会受到诸如信心、情绪等因素的影响。风险度量模型的这些假设，在为模型构建提供了便利的同时，却忽略了许多驱动金融资产价格变动的重要因素。比如说，在这样的假设条件下，投资者的情绪变化对金融资产的价格和流动性、进而对金融风险的影响完全被忽略。事实上，在现有的风险度量模型中，投资者情绪和流动性因素对金融风险的影响，是两个被普遍忽略的重要因素。

然而在现实的金融市场上，风险度量模型的假设并不为真。最近几十年来，由于各种金融创新产品和复杂交易策略的出现，除非遭受到了重大损失，其中蕴含的许多风险是投资者无法事先估计，更不用说准确估计。典型的例子是，即使是国际著名的评级机构，也无法对次贷产品的风险做出准确评估。对一般投资者而言，在很多时候，金融资产的不确定是Knight 不确定(Uncertainty)，投资者对未来可能发生的结果和概率，无法给出准确判断。在这种状态下，投资者的决策极易受到信心、情绪等“动物精神”的支配，对待风险的态度也可能会因某个“坏消息”的来到而突然逆转，从贪婪变为恐惧，导致资产价格的大幅波动和金融风险急剧增加。如在本次金融危机中，从事次贷证券化产品交易的投资者，面对的就是Knight 不确定。由于无法估计这些结构化产品的真实风险，当2007年8月几大评级机构突然大幅下调次贷产品的信用评级后，投资者的风险态度马上发生逆转，由此导致的流动性短缺使得这类产品价格的下跌幅度，远远大于因房价下跌和次贷借款人违约所可能带来的损失［2］，从而造成次贷危机的加剧。而2008年9月雷曼兄弟公司的破产，更使这种knight 不确定性加剧，由于无法准确估计还有哪些机构、哪些资产中潜藏着风险，迅速蔓延的恐慌情绪使投资者几乎拒绝所有的结构化产品，一些市场的流动性迅速丧失，“流动性黑洞”①所谓流动性黑洞现象，是指金融市场的流动性在很短时间内骤然丧失的现象。开始显现，使得次贷危机迅速演化为全球金融危机。很显然，由于前提假设的脆弱性，现有的模型根本无法对此类风险进行度量。

数理模型的缺陷，还体现在模型构建时的概念简约化，即认为对一个宏观系统的分析，可以用对一个有代表性的微观主体的分析来替代。由于一个具有完全一般性的模型(存在许多经济主体，他们的效用函数各异，对未来的预期不同)的构建，已经超出了现代金融经济学的能力范围，因此与经济学中其他领域的模型构建方法相同，数理金融模型在构建时通常假设只有一个理性的典型代理人，各种复杂的金融资产定价问题和资产组合选择问题，由此转化为典型代理人的跨期最优决策问题。在这样的模型结构中，系统复杂性的概念已经消失，金融资产的价格变动不再取决于投资者的相互博弈，投资者的羊群行为对金融风险和系统稳健性的影响完全被忽略，金融系统被认为总是处在稳健状态，市场失灵与系统性风险永远不会发生。

然而，现实中的金融系统却是由众多投资者相互交易、相互依存而形成的一个复杂系统。最近几十年来频繁爆发的金融危机显示，这种复杂金融系统具有“稳健而又脆弱”的双重特征［8］。这就是说，金融系统并不总是处在稳健状态。复杂性科学的研究成果显示，金融系统具有负反馈与正反馈两种机制［9］，或者说金融系统内部存在着稳定与不稳定两种状态。当负反馈机制起作用时，金融系统呈现出稳健性，可以抵御很强的外部冲击，保持系统的正常运行。如在2007年前，尽管经历了“9·11恐怖袭击”和互联网泡沫破裂的巨大冲击，美国的金融系统依然能够正常运行。然而当正反馈机制起作用时，金融系统就会呈现出脆弱性，一个并不很大的冲击，就会使很多机构陷入困境，冲击所带来的损失不断扩大，最后使整个系统陷入危机。如由次贷危机引发全球金融危机就是一个典型例子。金融系统所具有的复杂性说明，我们并不能根据对典型代理人的分析，来得出涉及整个系统的结论，如金融资产定价和金融风险度量。由于金融系统存在着复杂性和脆弱性，基于系统稳健性和概念简约化而得到的金融资产定价模型和金融风险度量模型，在很多时候，并不适用于复杂金融产品定价和复杂系统中的风险度量，在危机时期尤其如此。

数理模型的缺陷，还体现在与不断演化的金融系统相比，模型总是处在滞后的和追赶的状态。风险度量模型的构建，需要判断金融资产的价格变动规律，需要设定不同风险的相关性，需要依据历史数据估计各类模型参数。由于金融资产的价格变动规律和不同风险的相互关系会随着金融系统的演化而不断改变，因此依据历史数据和以往统计特征建立的模型，很难准确预测未来的风险。1998年的长期资本管理公司危机，就是风险度量模型滞后于金融系统的演化，从而造成模型失败的典型例子。长期资本管理公司的策略是投资于高度分散化的资产组合，历史数据显示，其投资组合中各资产间的相关系数从未超过10%。作为一种谨慎策略，在公司的VaR 模型中，相关系数被设定为比任何一个历史数据都要高的30%。然而，尽管在1994-1997年间长期资本管理公司取得了四年总计185%的奇迹般的投资回报率，尽管公司合伙人中拥有两位获得诺贝尔经济学奖的著名模型发明者，长期资本管理公司还是在1998年陷入了无法自救的困境中。造成危机的主要原因，除了公司极高的财务杠杆率，就是金融市场的演变使其投资组合中的相关系数上升到了惊人的70%，公司的风险度量模型完全失败了［10］。

最近几十年来，各种金融创新产品的推出，不断改变着金融系统的风险特征。如次贷证券化产品就在很大程度上改变了信用风险、市场风险和流动性风险的相互关系。金融创新的特点是，金融创新和由此带来的风险变化，总是快于风险管理手段的提高。金融创新带来未知的风险、带来不透明性和金融机构之间更加紧密的相互关联。然而，金融创新所带来的变化通常有着非线性特点，这就是说，在金融创新的初期，风险特征变化缓慢，但是随着创新产品交易规模的暴发性增长，风险特征就会发生很大改变。在这种状态下，风险度量模型的最初成功(或度量错误还未及暴露)，容易掩盖模型滞后于金融风险变化的缺陷，导致对模型预测能力的高估。如在本次金融危机中，瑞银集团(UBS)就有这样的例子。根据该银行集团2008年4月向股东发布的减值报告，截止2007年12月底，瑞银集团在次贷产品交易中的损失达到了187亿美元［11］。造成如此巨额损失的重要原因，是银行的内部模型无法反映次贷证券化产品不断演化的风险特征，从而导致模型低估了风险。由于评级机构给了次贷产品AAA 的评级，在缺乏这些产品价格波动的历史数据的情况下，在构建内部VaR 模型时，瑞银集团采用了其他AAA 等级证券的时间序列作为参照。很显然，这种参照数据不能反映次贷产品正在演化的风险特征。因此尽管从2006年起，该银行集团已经意识到次贷产品的风险正在演变，但是直到2007年第三季度，依据参照物前5年的时间序列估计得到的波动率仍然很低，结果造成模型对次贷产品风险的低估。

数理模型的缺陷，还体现在风险度量的Persaud 悖论，即模型度量结果会影响投资者决策，而投资者的决策又会影响金融风险的演化，因此模型预测是安全的资产反而可能是危险的，模型预测是危险的资产反而可能是安全的［12］。风险度量模型构建时的一个蕴含假设为，模型对于金融资产的风险度量，不会影响金融资产的风险演化。然而现实中这个假设并不为真。在如今的金融领域中，一些重要的风险度量模型，尤其是VaR 模型，已经得到普遍运用。由于众多投资者运用同样的模型和相同的历史数据，对同样的金融产品进行着风险度量，因此，当某个投资者依据模型的结果调整对某种产品的投资策略时，许多其他投资者也在做着同样的决策。这样，由模型结果所导致的投资者的羊群行为，就会影响金融资产的风险演化，导致模型预测失败。比如，1987年10月美国股票市场崩盘就是这样的例子。当时，美国流行着一种由加州大学伯克利分校两位教授发明的被称为组合保险和动态对冲(portfolio insurance and dynamic hedging techniques)的风险管理技术。这种风险管理技术要求投资者在价格下跌时卖出资产、在价格上升时买入资产(sell cheep，buy dear)，以对冲投资组合中的风险。由于许多机构都采用了这种技术，羊群效应所引发的正反馈机制导致股票市场出现崩盘［13］。这样，原来对单个金融机构行之有效的风险度量和管理方法，由于众多使用者的出现完全失效了。

从本质上讲，风险度量模型的作用，是将金融资产未来的Risk 或Uncertainty 表示为一个简单数字(风险度量的结果)，而在产生这个数字的过程中，现有的风险度量模型忽略了许多对驱动金融资产价格变动有影响的因素。尽管简化是建立模型的必要过程，但现有风险度量模型在构建时所忽略的因素，并不是因为它们对驱动金融资产的价格变动不重要，而是因为它们在模型构建时是最难处理的。正因为如此，尽管最近几十年来风险度量模型在数理逻辑上的严密性和数值计算上的精确性不断提高，但模型的一些内在缺陷却始终没有得到有效改善。在这种状况下，我们必须认识到风险度量模型的适用性是有限的，比如说，当金融系统处在稳健状态时，模型可以预测那些频繁发生的非极端风险，然而模型却很难预测那些较少发生的极端风险，尤其是那些在金融系统处于脆弱状态时发生的极端风险。因此，认为采用先进的模型就可以准确度量金融风险的信念，其实只是一种幻觉。

三、基于模型的银行资本监管方法的缺陷及对系统稳健性的影响

由于金融系统的复杂性，在金融领域内使用模型存在着许多潜在的风险。当模型不是用来辅助我们对金融系统的理解、而是用来替代我们的判断时，这种潜在风险的危害就会发生。银行监管机构应该意识到，风险度量模型具有一些内在缺陷，因此需要特别关注模型使用的合理性。比如说，模型可以比较准确地预测那些频繁发生的非极端风险，因此模型可以用于银行日常的内部风险管理。但是，由于模型很难预测那些较少发生的极端风险，因此只要银行资本监管的目标是防止银行过度承担风险，减少金融系统的风险溢出对实体经济的影响，维护整个银行系统的稳健性，那么基于模型结果来计量对银行的最低资本要求，就是对风险度量模型的一种误用。而正是这种对模型的误用，导致了新资本协议中许多缺陷的产生和一些银行过低的资本充足率。因此在后危机时代的金融监管改革中，我们需要对现有的银行监管模式进行必要的反思。

本文认为，基于模型的银行资本监管方法的缺陷，首先体现在这种方法在逻辑上是自相矛盾的。银行监管理论认为，当缺乏有效外部监管时，由于银行负债只需支付很低利率、银行对自身破产成本的低估以及存在着道德风险，银行总是倾向于持有更多负债和较少资本，过高的负债率是银行资本结构的一种内在缺陷。而之所以需要依赖政府而不是依赖市场机制来对银行实施监管，是因为市场有时会失灵(金融市场会误入歧途，金融资产会被错误定价)，而这种失灵可能会带来极大危害。在新资本协议的监管模式下，银行需要采用盯市原则来计量资产组合的价值和风险，基于模型的银行资本监管方法，实质上就是由市场价格来决定银行资产组合的风险大小，或者说由市场来决定银行的资本是否充足。这就意味着，基于模型的银行资本监管模式，实际上是以一种改头换面的形式，将对银行实施资本充足监管的职责，重新托付给了市场，这就与市场有时会失灵、因此需要政府来对银行实施监管的初衷相悖。很显然，如果政府监管的目的是为了防止市场失灵，那么就不能用基于市场价格的方法来对银行进行资本监管，市场价格并不能将我们从市场失灵中挽救回来。

基于模型的银行资本监管方法的缺陷，还在于这种方法存在很大的监管套利空间［14］，因此需要监管机构承担起一些本不应该他们承担、而且也无法胜任的职责。监管机构的职责，应该关注银行是否过度承担风险，关注整个银行系统的稳健性。然而，由于银行具有监管套利的内在动机，银行内部风险度量模型既可用来度量风险，更易用来操纵风险度量的结果，因此在基于模型的银行资本监管模式下，为了防止监管套利，监管机构就要承担起本不应该由他们承担的职责:对银行内部模型风险度量的准确性进行事后检验。实际上，监管机构很难承担起这种职责。因为对内部模型风险度量准确性的事后检验，需要依赖银行提供的数据。通常情况下，监管机构很难判断银行是否提供了恰当数据，更无法判断银行在构建模型时的假设条件(不同风险的相关性、可能的极端损失及发生的概率等)是否真的合理。因此，监管机构很难对银行内部模型的准确性进行有效检验。事实上，在实施了基于模型的银行资本监管方法后，许多国际活跃银行的权益资本与资产之比，就从1990年代早期的10%，持续下降到次贷危机爆发前的2%。然而，在新资本协议的计算框架下，这些银行的核心资本充足率(核心资本/加权风险总资产)仍然超过了10%［2］。

基于模型的银行资本监管方法的缺陷，还体现在这种方法违背了经济学中的Goodhart 法则，这个法则表明，任何一个被观察到的统计规律，当被用做政策工具时，其原有规律就会失效。1970年代初，当布雷顿森林体系崩溃后，英国央行需要寻找一种宏观经济指标，以替代英镑—美元汇率，来充当货币政策的名义锚。由于历史数据显示货币需求与短期利率的关系具有稳定性，英国央行选择了货币增长作为新的名义锚，而将短期利率作为实现目标的政策手段，然而这种调控却总是失败。英国著名货币经济学家Goodhart在分析这种失败为何发生时提出了这个法则。他认为，尽管在英国历史上，短期利率和货币需求之间存在着某种可以观察到的统计规律，然而这种规律是在没有受到政策干扰时存在的，如果中央银行将其当作政策工具来使用，那么就会影响各个经济主体的预期与决策，从而会使短期利率与货币需求的关系发生演变，导致原有统计规律失效。许多事实证明，Goodhart 法则不仅存在于英国的短期利率与货币需求的关系中，在其它问题上，这个法则同样成立。

风险度量模型的构建，需要依赖各种被观察到的(依据历史数据估计得到的)金融资产价格波动的统计规律，如极端风险的发生概率、不同风险的相关性等。在现有的银行监管模式下，风险度量模型被当作计量资本要求的政策工具来使用，这就意味着，已被观察到的金融资产价格波动的统计规律，被作为政策工具来使用，按照Goodhart 法则，这将导致金融资产价格波动的原有规律失效，或者说会导致这种政策工具的失效。金融资产价格波动的原有统计规律之所以会失效，主要源自于模型的风险度量结果会影响投资者决策，而投资者的决策又会影响金融风险的演化，即源自风险度量的Persaud 悖论。在现有的银行监管模式下，VaR 模型被银行业广泛应用于市场风险度量，甚至信用风险和操作风险度量。这种对同一模型运用的羊群行为，或者说对已观察到的统计规律运用的羊群行为，在很多时候，会完全改变金融资产价格波动的原有规律，从而导致基于模型的银行资本监管的失效。

基于模型的银行资本监管方法的缺陷，更重要的还在于这种方法容易引发内生性风险，加剧整个系统的脆弱性。金融风险可以分为外生性风险与内生性风险。其中，外生性风险是指在系统外产生，并且会在系统内部很快平息的冲击所带来的风险;内生性风险是指在系统外产生，并且会在系统内部不断扩散、急剧增大的冲击所带来的风险［15］。最近几十年来所发生的金融危机显示，内生性风险是影响各国金融系统稳健性的主要因素。系统性风险通常伴随着外部冲击而爆发，但外部冲击本身并不必然引发系统性风险，如定期公布的宏观经济数据(如美国的劳工就业率、我国的CPI 等)就可能引起金融市场的大幅波动，但这是市场对新消息的适当反应，并不会引发系统性风险，只有外部冲击引起的投资者的自利决策和投资者之间的相互影响，使得冲击在系统内部不断扩散、急剧增大，或者说只有引发了内生性风险，系统性风险才会发生。在金融系统中，不同资产的风险相关性越大，不同金融机构的决策趋同性越强，机构之间的相互关联越强，就越容易引发内生性风险。

在基于模型的银行监管模式下，由于存在着很大的套利空间，由于风险度量的幻觉所导致的风险控制的幻觉，许多银行采用了很高的财务杠杆率。似乎先进风险度量模型的运用，可以消除各种潜在风险［16］。事实上，在实施新资本协议后，一些国际活跃银行的财务杠杆率，就从1990年代初期的1 ∶10，急剧上升到次贷危机前的1 ∶50。①在实施基于模型的资本充足监管方法后，许多国际活跃银行充分挖掘其中的监管套利机会，其财务杠杆就从20世纪90年代初期的1 ∶10，持续上升到次贷危机爆发时的1 ∶50左右。这样的银行包括瑞银集团、德意志银行等(见Hellwig，2009)。由于基于模型的银行资本监管方法是对风险敏感的方法，最低资本标准又是一种刚性要求，当外部冲击发生时，具有很高杠杆率的银行，就会面临资产负债表的调整压力。当市场环境不利时，由于很难募集到新的资本，资产负债表的调整只能通过去杠杆化，即通过抛售资产的方式来实现。在高杠杆率的状况下，银行受到的每一元损失，都要抛售几十元的资产来弥补。与此同时，在现有的银行监管模式下，VaR 模型被许多银行用作计量资本要求的内部模型，这种模型使用的羊群效应，使得银行决策具有很强的趋同性，在市场环境不利时尤其如此。这是因为当一家银行根据VaR 的结果，发现某种资产(如A)的风险正在增大，因而需要调整资产负债表时，持有A 的其他银行也会得到同样发现，同样需要调整资产负债表。很显然，同时出现的很多银行的去杠杆活动，将使A 的价格大幅下跌，从而加剧这些银行的去杠杆压力。在很多时候，为了应对巨大的去杠杆压力，这些银行不仅需要抛售A，而且还要抛售其他资产(如B)，这就又会使得B 的价格下跌，从而引发持有B 的银行的去杠杆压力。

这样，在基于模型的银行资本监管模式下，监管套利动机和风险控制的幻觉所导致的银行的高杠杆率，模型使用的羊群效应和银行之间的相互影响所导致的决策趋同性，使得整个系统很容易处在一种不稳定的脆弱状态。在这种状态下，外部冲击所引发的某个银行的去杠杆活动，容易导致不同金融资产(A 与B)的风险相关性增大、不同金融机构(持有A 的银行和持有B 的银行)的决策趋同性增强，从而引发内生性风险。如在美国次贷危机期间，由于许多银行和其他金融机构过高的杠杆率，由于风险度量模型使用的羊群效应和金融机构之间决策行为的相互影响，从2007年8月到2008年10月间，资产价格下跌引发金融机构资产负债表的调整需求，金融机构的去杠杆活动使得资产价格进一步下跌，这种使风险急剧放大的正反馈现象在一些金融市场上不断上演，尽管许多中央银行试图通过向市场提供流动性或向金融机构注资的方式来挽救危机，次贷产品市场冲击所引发的内生性风险，还是导致了全球金融危机的发生。

因此可以这么说，无论是从微观审慎还是宏观审慎的角度看，基于模型的银行资本监管方法都存在着重要缺陷。从微观审慎的角度看，这种方法主要依赖模型的结果来判断一个银行是否持有充足的资本，或者说是否具有安全性，然而，由于银行具有监管套利的内在动机，由于风险度量模型存在着许多内在缺陷，许多风险是银行的内部模型无法预测到、或者是被严重低估的。本次全球金融危机中揭露出来一种现象是:尽管在模型计算框架下，许多银行可以宣称具有很高的资本充足率，然而与其实际承担的风险相比，这些银行的资本充足率很低。这表明，依赖模型结果，并不能判断银行是否具有充足资本、是否具有安全性。而从宏观审慎的角度看，这种银行监管方法存在着合成谬误，即认为只要监管了单个银行，就等于监管了整个系统;只要保证单个银行的安全性，就可以维护整个系统的稳健性。而实际上，由于金融系统的复杂性和金融机构之间的相互关联，对单个银行正确的监管方法，对整个系统可能有害。基于模型的银行资本监管方法容易引发内在性风险，就是这种危害的一种表现。

四、结 语

本次全球金融危机的发生表明，现有银行监管方法中存在着许多缺陷。《巴塞尔协议Ⅲ》将这些缺陷看成是可以通过提高核心资本标准，可以在技术上加于改进的缺陷，没有深入分析其一直倡导的、基于模型的银行资本监管方法是否存在问题。本文认为，由于金融系统的复杂性和数理模型的内在缺陷，巴塞尔银行监管模式中所蕴含的基本假设——金融风险可以通过先进的模型来准确度量，其实只是一种幻觉。如果模型不能准确地度量风险，如果模型的度量结果可以被操控，那么在基于模型的银行资本监管模式下，更高的监管资本要求，可能只会激起银行更大的监管套利动机。更为重要的是，这种银行监管模式容易引发内生性风险，危及整个系统的稳健性。因此在提高核心资本标准的同时，巴塞尔委员会应考虑如何更加科学地对银行实施资本监管。

［1］JON DANIELSSON.Blame the Models［J］.Journal of Financial Stability，2008(4):321-328.

［2］HELLWIG M F.System Risk in the Financial Sector:An Analysis of the Subprime-Mortgage Financial Crises［J］.De Economist，2009(10):129-206.

［3］BIS(Basel Committee on Banking Supervision).Strengthening the Resilience of the Banking Sector，Consultative Document［EB/OL］.(2009-12-17)［2011-05-07］.http://www.bis.org/publ /bcbs164.pdf.

［4］HELLWI M F.Capital Regulation after the Crises:Business as Usual［J］.CESifo DICE Report，2010(2):40-46.

［5］ANIL K K，RAGHURAM G R，JEREMY C S. Rethinking Capital Regulation，Maintaining Stability in a Changing Financial System［EB/OL］.(2009-03-12)［2011-10-15］.http://Scholar.harvard.edu/ kashyapra_ janstein.03.12.09.pdf.

［6］DAVID COLANDER，HANS HÖLLMER，ARMIN HAAS，et al.Dahlem Report:The Financial Crises and the Systemic Failure of Academic Economics［EB/OL］.(2009-05-10)［2011-04-07］.http://www.greqam.fr/workingpapers / 2009/.pdf.

［7］MICHEL DEUNIT，JAN DHAENE，MARC GOOVAERTS，et al. Risk Measurement with Equivalent Utility Principles［J］.Statistics ＆ Decisions，2006(3):52-78.

［8］PRASANNA GAI，SUJIT KAPADI.Contagion in Financial Market［J］.Proceedings of the Royal Society A，2010(1):22-47.

［9］FRANKLIN ALLEN，ANA BABUS.Networks in Finance［EB/OL］.(2008-08-07)［2010-06-12］.http://fie.wharton.upenn.edu/fic/papers /08/0807.pdf.

［10］MICHAEI J MAUBOUSSIN. Interdisciplinary Perspectives of Risk［EB/OL］. (2006-08-15)［2011-02-12］ http//trendfollowing.com/whitepaper/Mauboussion_on_stratery_081506.pdf.

［11］UBS. Shareholders Report on UBS's Writedowns［EB/OL］. (2008-04-18)［2012-01-14］. http://www. ubs. com/1/e/investors/shareholderreport/remediation.html.

［12］AVINNASH PERSAUD.Risk Models Just Run with the Herd［J］.Perspectives，2009(9):9-12.

［13］ROBERT J SHILLER. Investor Behavior in the October 1987 Stock Market Crash:Survey Evidence，Technical Report，1987［EB/OL］.(1987-11-15)［2011-10-10］.http://www.nber.org/papers/w2446.

［14］沈庆.监管资本套利的动因与经济效应研究——兼论对我国新资本协议实施的启示［J］.财经论丛，2010(6):29-35.

［15］JON DANIELSSON，HYUN SONG SHIN. Endogenous Risk［EB/OL］. (2002-09-21)［2009-08-07］. http://hyun-song shin.org/www/risk1.pdf.

［16］BARRY EICHENGREEN.Origins and Responses to the Crises［J］.CESifo Forum，2008(4):40-75.