信用模型故事八则

(一) 朱熹的“上面呢”

小朱熹刚刚学会说话，一天爸爸对他说，“抬头，看，上面是天”。

小朱熹的回应不像大多数开始学说话的小孩子那样，直接重复，“天”。

他来了一句，“天的上面呢？”。

(二) 纪晓岚的“下面呢”

一个可爱的老太监，追着纪晓岚，要他讲笑话。

纪晓岚停下来，开始讲,“从前，有一个老太监，”

然后，不说话了。

老太监着急地问：“下面呢？”

纪晓岚：“没有了。”

“哈哈哈哈”

多数时候，人类的思维是一阶的，就像太监一样，不思考下面的问题。朱熹那样具备高阶思维，一直追问“上面呢”的人极少。

思维的阶数，可以用这个数列来度量，你思考到第几个方程？

x，f(x)，f(f(x))，f(f(f(x)))，f(f(f(f(x)))),……

对信用建模时，停留在一阶，也不合适，需要一些模型的模型的模型......

(三) 柏拉图的洞穴

一个很深的洞穴中，一群囚徒被绑住了不能回头看，他们对着一面墙。

在他们的后面有各种各样的人在活动，墙上会倒映出那些活动的人的影子。

这群人一直相信这些影子就是真实的人、真实的活动。

人类也是一群这样的囚徒，面对这个复杂的世界，他们只看见了一些“影子”。

他们以为这些影子，就是真实的世界，就可以代表真实的世界。

他们给这些影子起名，叫做数据，信息（姑且统称为“知识”）等等。

对人类引以为豪的这些知识，一些具有高阶思维的人，称之为“叙事结构”（narrative）,即一种对于复杂世界的简单YY。

我们所发现和建立的那些信用模型，不管是以学者名字命名的XX定理，还是以法律的形式规定下来的XX法，都只是一种YY。

(四) 巴甫洛夫的狗

顽皮的巴甫洛夫喜欢逗好朋友狗狗玩儿。

他反复地让狗狗挨饿，然后摇铃铛，给狗吃的。

然后，他在狗身上建立了所谓的“条件反射”。

在狗看来，这些“条件反射”，是真理，是规律，是知识。

一些信用领域的模型，是这么建立的。

(五) 斯金纳的鸽子

更加顽皮的斯金纳喜欢逗他的鸽子们玩儿。

他把鸽子们分成很多很多小组，在鸽子们进行各种各样的活动时，随机地给鸽子们喂食。

有趣的是，一组组的鸽子们，久而久之，都建立了自己的关于喂食的知识。

有的鸽子认为自己抬头就会落食物，有的鸽子认为自己煽动翅膀就会落食物,…

而斯金纳知道喂食其实是毫无规律的随机性。

看不见斯金纳的不确定性的鸽子们，建立了自己的确定性。

万物之灵的人类，也非常擅长发现和总结规律，尤其是伽利略和牛顿引领的科学革命之后，实验方法与逻辑思维的结合，使得“抬头-喂食”的反馈机制的建立，实现了很大程度的自主性。

很多信用领域的模型，是这么出来的。

(六) 斯金纳的蜜蜂

斯金纳的顽皮超出了你的想象，这一次，他逗起了蜜蜂。

蜜蜂飞出去寻找蜜源时，找到后飞回来，会跳一支舞蹈，来告诉大家蜜源的位置。

斯金纳坏坏地把蜜源放到了非常非常高的位置，一种大自然中没有的高度，然后让蜜蜂找到这个蜜源。

蜜蜂没有一种表达这种高度的基因程序，也缺乏一支表达这个高度的舞蹈。

蜜蜂飞回蜂巢后，跳起了一支莫名奇妙的舞蹈，其他蜜蜂一脸懵逼。

当现实的复杂超出了知识的局限，人类的表现也好不到哪里去。特别是现在他们有所谓的“大数据”和“机器学习”技术，发现规律能力指数级提升了，更是发明了“黑箱”这一自豪的词汇，来表达层出不穷的不知所云的“规律”。

面对复杂局面时，闭嘴比胡说难多了，尤其是当胡说的回报比闭嘴的回报大得多时。

你能察觉出来，信用领域中，那些手握着大数据、机器学习、深度学习、区块链等等高大上的技术的人，谁在跳一支不知所云的舞蹈么？

现在风口上的机器学习信用风险度量模型，很多是这么出来的。

(七) 塔勒布的小火鸡

春天时，塔勒布买回了一只小火鸡，小火鸡刚来塔勒布家时既害怕又谨慎。

塔勒布每天给它很多好吃的，小火鸡每天更新一下对塔勒布的信任水平。

随着时间的延长，训练集和测试集样本数量逐渐增大，模型的回测效果越来越好，小火鸡对自己总结出来的“塔勒布是一个好人”的结论的“置信水平”逐日上升，他越来越确信“塔勒布就是一个大善人”，99.9999%的概率。

小火鸡健康而快乐地成长着。

一天，塔勒布再一次给小火鸡喂了好吃的，放了古典音乐。

然后，扭断了它的脖子。

感恩节，到了。

塔勒布是一位“厨师”，他给这只小火鸡起名为“Sucker”，即轻易上当受骗的人。

你是火鸡还是厨师？

你的久经样本内外考验的大数据机器学习模型，有没有一个属于它的感恩节？

(八) 安东尼奥的船

   莎士比亚《威尼斯商人》中的富商安东尼奥开篇时自豪地说：“感谢我的命运，我的买卖成败并不完全寄托在一艘船上，更不是依赖着一处地方，我的全部财产也不会因为这一年的盈亏受到影响，所以我的货物并不会使我忧愁。”

然后，他自信地问犹太银行家夏洛克借了钱。

然后，他开往不同地方的三条船，全部沉没。

古罗马斯多葛派有一个信条：命运里，什么都可能发生。

数学上，称之为不确定性（Uncertainty）的“遍历性”（Ergodicity）。

一切事物的状态，不管现在还是未来，正如薛定谔的那只可怜的猫，都是处于多种状态的叠加之中，只不过，在我们当下的观察下，看到了其中一种状态而已。

一个人，一个组织的信用状态，也不是简单的守信红名单、失信黑名单之类的单一状态，如果戴上不确定性和遍历性的眼镜，每一个主体的信用水平，不管是现在还是未来，都是全部可能的信用状态的动态组合，红中有黑，黑中有红。

不能简单地根据观察到的历史信用记录（哪怕加上主观推算的未来可能性），来确定一个主体的不确定的当下和未来的信用水平，正如不能说薛定谔的猫是生是死。

信用水平，是不确定的。

没关系，我们有大数定律和中心极限定理，当样本量足够大时，信用水平的均值会回归到正态分布。在正态分布下，我们可以算出来平均的不确定性，控制住风险。

这种平均值对于正态分布的回归，很多时候，是一种恩赐。

对这种恩赐利用比较充分的，是保险业，通过分散化，对冲风险。

是否能够用大数定律分散风险的边界，叫做：Cramer condition.在Cramer condition之外，平均值不稳定甚至不存在，无法通过分散控制风险。

瑞典数学家Harald Cramér，保险精算先驱

大数定律的边界   

不幸的是，正态分布、大数定律和中心极限定理有主要适用于描述“自然界”，在与人的行为关系密切的“信息界”，如信用水平，财富水平，很少存在这样的简单便利的均值回归。

如果你假设了或者发现了这样的回归（或者你建模过程中某个不管多么狭小的角落出现了“正态分布”四个字），你可能是一只正快乐成长的小火鸡。

延伸阅读：

Nassim Nicholas Taleb（塔勒布），散文集：Incerto《不确定性》

塔勒布个人网站：http://www.fooledbyrandomness.com/

作者：董振磊，FRM（金融风险管理师），微信号 charliedong523,欢迎交流

相关阅读

♚

近期推文

欢迎加入

公益 | 有益 | 有趣

欢迎加入我们的作者队伍

与7000名读者分享见解