查看原文
其他

李祥林:联接函数、信用组合与心碎综合征(下)

编者按

李祥林教授是信用衍生品市场的开拓者之一。他的开创性研究成果——将联接函数(Copula)引入信用组合模型,被学术界广泛引用,并且被全面应用于信用组合,风险管理和评级的实务中。这一成果也被包括《华尔街日报》、《金融时报》、《日本经济新闻》以及《CBC新闻》在内的媒体大幅报道。


本次专访旨在深入探讨有关联接函数在投资组合违约风险模型中的起源、应用与批判。数理金融是最早采用联接函数的领域之一,但信用衍生品市场的快速发展却推动了对联接函数的研究,尤其是在高维和因子模型方面。


本周五(11月23日)19:00-21:00,应巴曙松教授邀请,李祥林教授将莅临北大汇丰金融前沿讲堂与大家分享“金融危机经验教训、金融机构改革和未来管理方案”,可长按文末海报扫描二维码,或点击文末“阅读原文”报名。


李祥林:上海交通大学上海高级金融学院教授,中国金融研究院副院长


李祥林现任上海高级金融学院教授。在过去的二十多年间,他曾任职于多家一流金融机构,从事产品开发,风险管理,资产/负债管理和投资分析相关工作。他曾任中国国际金融有限公司首席风险官,花旗银行(Citigroup) 和巴克莱投行(Barclays Capital)信用衍生产品分析和研究部负责人,美国国际集团(AIG)资产管理公司分析部门负责人。李祥林教授拥有数学学士学位,经济、金融和精算学的硕士学位,以及加拿大滑铁卢大学的统计学博士学位。目前担任《北美精算》(North American Actuarial Journal)期刊的副主编,滑铁卢大学兼职教授,多伦多全球风险研究所高级研究员,以及新加坡国立大学风险管理研究所高级顾问。


点击阅读前文回顾:

李祥林:联接函数、信用组合与心碎综合征(上)

2008年的信用危机



Q11:金融行业在何时首次接收到了来自高斯联接模型信号的警告?它是怎样做出反应的?
李祥林教授:2005年时,高斯联接函数模型在校正市场价格时遇到了一些问题,这是因为大家对汽车行业的违约感到担忧。因为股权部分的利差变得很高,导致模型在对某些特定的中间层的基础相关系数进行调整时遇到了困难。在这样的情况下,你需要思考这些问题发生的原因:是模型的问题还是因为市场对某一特定证券化部分的定价不理性?举个例子,欧洲的信用利差指数(ITRAXX)美元出现类似美国对汽车行业违约产生担心的情况,但是它在校正中间层的基础相关系数时也存在问题。我曾经和一位伦敦交易员交流,建议他出售股权层的违约保险,同时买入中间层的违约保险。几天之后他就得到了超过一千万美元的收入,他还建议我创办一个内部的对冲基金!


在新的市场中,我们要关注一下到底是市场有效还是模型有效。对于一个基本市场的简单金融工具,交易员作为一个整体可能会对交易产品的价格作出理性判断。但是在一个全新的市场中,交易者在初期很难对复杂产品给出合理的报价。例如在欧洲信用利差指数证券化产品交易的初始阶段,只有少数几家大型投资银行提供欧洲信用利差指数证券化产品的双向报价。这些银行每天早上都向他们的客户发出买卖价的报价单。有一天,一个交易者有意地发出了朝一个方向影响市场的,但具有更大买卖价差的报价,令他感到意外的是,很多其他公司的报价也随着他的报价方向走。


 我们在一段时间内使用单因子的高斯联接函数和基础相关系数曲线,直到2005年我们在市场上对模型参数进行校正时遇到了一定(短暂的)的挑战。很多人在研究并推出其他可以替代单因子的高斯联接函数模型。但是直到现在,我还没有看到一个被普遍认可,且可以用来服务交易为目的、可替代的信用组合模型。最常见的模型依然基于高斯联接函数和基础相关系数曲线,不过是对其中某些方面进行了修正, 比如说用随机的回收率。


我们是要对高斯联接函数模型一些理论基础提出疑问。通常对它的批判都是尾部独立、静态相关结构或不佳的对冲绩效。我希望对以上几点做如下的详细解释。


尾部问题:正如前面所述,我们使用高斯联接函数的原因是我们用布朗运动对资产收益进行建模。几乎所有的金融理论都基于正态分布。用基础相关系数曲线处理证券化之后高级层“相关/依赖性不足”问题的一种办法,这和高斯联接函数的尾部独立存在着一定的联系。基础相关系数和期权隐含波动性的概念类似,而波动率有微笑或歪斜的特点。为了克服尾部独立,我们还可以使用混合高斯联接函数模型或高斯联接函数模型再加上随机回收率,它们和期权定价中的随机波动率模型相似。


静态相关结构:这是一个比较模糊的说法。在一个基于生成时间分布的关联模型中我们仅仅以是否违约对每个信用主体进行描述,就像是把人们分为“好人”和“坏人”一样。它拥有自己的动态性质,也许它的动态性太强劲了。例如,如果从条件的视角来看相关性,你会观察到高斯联接函数模型产生过强的相关性:组合中的一个名称在一年内发生违约的情况下,另一个与其存在正相关性名称的条件损失率会迅速上升。但是在高斯联接函数框架下,损失率需要很长的时间才能下降到原来的无条件损失率水平。



很多模型建立者觉得我们需要写出一个随机扩散方程来才能得到动态模型。我们可以利用随机过程来描述每个信用的损失率,并在损失率水平的过程中引进相关性。这是我试图实施的第一种方法。令人遗憾的是,它没能很好地产生和市场一致的结果,也无法承受计算量的负担。我花了一段时间才直观地理解了这个结果。你可以把损失率理解为事件违约的“波动率”。无论“波动率”水平相关结构有多强,违约事件的相关性依然很弱。Duffie和他的博士生们在这方面的做了大量研究,来改善随机损失率模型, 通过在所有单一损失率过程中考虑共同的驱动因子或加入跳跃过程。这对解释现实世界的损失率变化确实有所帮助。但是这个模型不是简约的模型,我们需要很多参数,并且这些模型在实践中很难实施和使用。我们如何使用这样的模型来管理数百个组合交易类型的日常交易呢?


2005到2008年间出现了很多“第二代”的信用组合模型,它们中的很大一部分源自利率模型的范畴。在这些模型中,主要的着重点是整体信用组合损失分布的演变,每个单一信用的贡献只体现在期望信用组合损失函数的初始期限结构上。具体某一段时间内的损失分布只能通过由整体损失分布的一个随机过程来获得。对于信用组合损失分布的形状和形式的研究甚少。除了与期望信用组合损失分布的关联之外,个体信用分布的动态性几乎消失殆尽。


如何对冲信用风险仍然需要我们做更多的研究。我们对冲的是信用利差风险还是违约风险呢?很少有实证研究是针对基于高斯联接函数模型建立的信用利差风险的对冲表现,即使有,他们的结论也不明确。也许可能是我有所遗漏,我确实没有读到过很多关于这方面的研究。Alex Reyfman在他就职于贝尔斯登(Bear Sterns)时曾经写过一篇研究报告。我们在花旗(Citi)和巴克莱(Barclays)做了许多内部研究,依然没能得出一个明确的结论。针对违约风险的对冲则更加复杂。例如我们研究一个"小篮子"信用违约对冲问题,比如说四个信用组合中的第一个违约的信用掉期合同。如果要实现一个完美的对冲,我们需要所有下列交易证券: 所有四个信用的单一信用违约掉期,每两个信用组合中的第一个违约,每三个信用组合中的第一个和第二个违约。此外,如果你没有一个完美的对冲,测试对冲性能需要很长时间,因为,违约本身就是罕见的事件。


当我作为金融机构销售交易部门从业者的时候我就意识到了这些问题,并且和当时我领导的团队以及同事们做了很多这方面的研究。我们可以针对高斯联接函数模型从技术角度指出更多问题,但是要想找一个替代模型来解决这些问题却是非常有挑战性的。我希望看到更多关于这方面的学术研究。


Q12:外界可能会认为:金融行业已经在担保债务凭证(CDO)领域建立了规模几十亿美元的风险管理业务,且仅仅通过一个公式,而这个公式又仅仅由一个人在很短的时间内发明。这样的观点是否有一定的真实性呢?还是他们把事实过于简化了?为什么在关联模型研究或与学术界的合作等重要方面没有更多的研究活动呢?

李祥林教授:高斯联接函数模型至今仍然被应用在信用组合风险管理和信用组合交易领域。无论是否有模型,衍生品市场都在发展。例如,在B-S公式问世很久之前,人们就开始交易期权了。当然,某个模型如果能被广泛接受,将能帮助甚至有时能加快市场发展出新产品。我的论文发表于2000年,论文中的模型是1997年左右在加拿大帝国商业银行(CIBC)就已经实施了。但是信用衍生品市场和信用组合交易在20世纪90年代初就开始了。

 

信用衍生市场的早期发展需要好的模型来解决我们在实践中遇到的问题和挑战。债券评级机构以及其他的从业者当时用不同的模型来为债券支持证券(CBO)和贷款支持证券(CLO)评级。举个例子,穆迪(Moody’s)用过一个叫“二项展开式”的模型来为组合交易评级。到了04年或者05年,三家主要的评级机构穆迪( Moody’s)、标普(S&P)和惠誉国际(Fitch)就都开始用高斯联接函数模型方法来做评级了

 

信用组合模型是个既有趣又困难的问题。首先,违约事件很少发生,保险中用于解决此类稀少事件的早期工具大多是基于独立性的假设。其次,违约现象除了受到单个企业情况的特殊影响外,也会在很大程度上受到宏观经济因素的影响。我们观察到的违约集中发生是和经济周期紧密相关的。第三,用于日常交易的模型一定要操作简便。举个例子,我们要能检查出像图4展示出的那些损失分布形状的变化。过去的20年中学术界和业界想出来许多其他模型,这些模型中的每一个或许适用于某一种特定的情况或用于特定的交易,但没有一个模型能完全取代高斯联接函数模型。


虽然我写出了第一份关于应用联接函数到信用组合建模的论文,但这不仅仅是我一个人的努力。像我之前所说的那样,我曾经有机会与顶尖的学术研究人员和优秀的从业者们交流互动,他们在这个想法的形成和具体实施过程中起到很重要的作用。那段时间还有许多其他不同的想法和方法发表,它们也促进了我这一想法的形成。当时许多人可能未必认可我的想法。比如我当时和Darrell Duffie教授交流过很多次,每次遇见他都跟我说“我不喜欢联接函数这种方法,但我目前也想不到更好的解决方法”。我当时把我这个将联接函数用于信用组合建模的想法最先正式展示给了Stuart Turnbull教授,他听后也并没有很激动。但其实我提出这个想法的目的就是要解决实际问题,因为我当时是在信用衍生品组工作,组里每天都会产生新的产品构思和交易想法。那时候白天我会和交易员以及结构交易分析员交流来了解实际问题,晚上我就读一些学术研究论文和行业研究论文来为这些问题寻找好的解决方案。我尽可能地吸收所有的学术研究以及该领域的最新发展。


这张图显示了整体组合损失超过某个给定值的概率,我们称之为超额损失分布。这张图也显示了资产相关性对超额损失分布形状的影响。某个CDO层级的期望超额损失就是相应超额损失分布下的面积,以附着点和分离点为界。


作为一个实践者,我很乐意和其他人尤其是学术界的人交谈各种技术问题,我希望我们能找到更好的解决方案,尤其是要找到理论上合理的解决方案,而不仅仅是“工业捏造”的解决方案。我曾经在一些顶尖大学如哥伦比亚大学、斯坦福大学、复旦大学做过演讲。有一次我和我在花旗银行的老板Thierry Bollier与一群包括Ken French在内的顶尖学者坐在一桌。当时Thierry就问了和你一样的问题——“为什么学术界的人不能多花一些时间来研究像信用组合建模这样的实际问题呢?”Ken先是提出反驳,他认为我们的这些问题不如金融学中的最优资本结构或者股权谜题那么重要,之后他承认说学术界的人并不了解这些问题,而且也得不到数据。


总的来说,高斯联接函数模型至今仍然在使用中,在KMV和CreditMetrics中被用作为信用组合风险管理模型、在信用衍生产品中作为交易模型,它也被各大评级机构用于为结构化信用产品评级。我在文章中明确地建立了联接函数与这些模型之间的联系,但是这个领域的发展依赖于许多其他人的推动。


Q13:如果时间倒回过去,您会对您2000年的那篇文章做出何种改动呢?

李祥林教授:我对这篇论文的看法是它用工程学的方法来解决了实践中一个棘手的问题。当时我在风险度量公司(RMG)做研究员,为客户写研究论文是我正式工作的一部分。这就解释了为什么我把论文写成了风险度量公司的工作论文,我只是总结了一下几年前所做的研究。我不是一个多产的作家,因为我是一个从业者,我的主要职责是为我所在的公司解决商业问题。


这篇论文背后并没有一个强有力的金融经济学理论。因此我把论文提交给《固定收益杂志》而不是一份更加学术的期刊。多年来我一直在思考这个问题,我希望我能再写一篇关于这个话题的论文,并给这个方法增加更多的理论视角。某些关键问题在这篇论文中没有得到很好地讨论和解决,例如关于时间范围和风险度量变化的问题。


Q14:当您把论文提交给《固定收益杂志》时,审查报告的语气是什么?

李祥林教授:我没有得到太多的评论。我想这是一份从业者的期刊,并且文章的方法是全新的,文章的话题当时也很流行,因此它很适合这个期刊


《固定收益杂志》


Q15:让我们言归正传:您的模型真的像《连线》杂志著名文章《灾难的配方:摧毁华尔街的公式》所指责的那样摧毁了华尔街吗

李祥林教授:金融危机起源于次贷危机,次级抵押贷款是向信用较差的借款人发放的抵押贷款。按揭贷款有两种风险:提前支付风险和违约风险,这与只受到违约风险影响的公司债券完全不同。正如之前提到的,我们使用生存时间来描述一个违约事件,然后使用联接函数构造一个联合生存时间分布。对于抵押贷款,我们必须使用多重递减理论来描述违约风险和提前支付风险。从建模的角度来看,很显然不能应用联接函数模型进行房屋抵押贷款的建模。当然,行业中有人试图“捏造”模型,假设提前支付是固定的,那么每个抵押贷款只受到违约风险。


其次,资产支持证券(ABS)或债务抵押债券(CDO)中的单一信用个数不一样。资产支持型证券(ABS)中的房屋抵押贷款总额可能在几千到几万之间。在企业信用组合建模中,我们在一个投资组合中通常最多只有上百种信用资产。房屋抵押贷款违约和提前支付的根本影响因子是利率、房价价格指数(HPI)、借款人自身的特征(如贷款房价比、信用评分),以及贷款本身性质(如固定或浮动利率),等等。我使用了一个 “动态竞争风险模型”用于次级房屋抵押贷款建模,用Cox模型同时处理提前支付风险和违约风险,并将借款人的信用和贷款特征作为协变量。这是一个动态模型,因为利率和房价上涨指数(HPI)都是动态变量。


所以从建模的角度来看,高斯联接函数模型与次贷危机完全无关。实际上,在金融危机期间,CDX和ITRAXX或任何企业信贷组合证券化产品的交易仍然都在使用高斯联接函数模型和基本相关性曲线,而且没有遇到什么大问题,至今仍在使用。由于在金融危机期间,人们对模型和市场进行调整时遇到了一定困难,因此模型本身也必须得到加强和修改。


这篇文章的作者费利克斯·所罗门(Felix Salomon),曾试图联系我。当时我在北京一家投资银行工作,有一天他通过总机联系到我,我不得不告诉他,由于公司的政策我不能和他交流。我对这篇文章感到惊讶,尤其是它的标题。


Q16:您提到了Cox等比例损失模型在信用组合建模中的重要性,您是如何使用它们的?

李祥林教授:我们使用具有广义可加模型结构的Cox等比例损失模型进行次级抵押贷款建模。这完全不同于公司信用组合模型,在公司信用组合模型中,每笔交易最多有上百个潜在的信用名称,我们希望尽可能多地使用单一信用信息。而对于次级房屋抵押的资产证券化产品(ABS)来说,每一种债券都可能有几千甚至两万份个人房屋抵押贷款作为内在资产。这就是为什么我们想使用一个统计模型来捕获贷款的主要特点,如信用分数(FICO score)、物业类型、贷款类型、和动态驱动因子如利率和房价价格(HPI)等。我们使用竞争风险模型, 因为每个房屋抵押贷款受到不同类型的风险影响:提前支付风险和违约风险,动态因素对提前支付风险和违约风险影响的函数形式可以用广义可加模型(GAM)来处理。因此,我们把用于次级房屋抵押贷款的模型称为“带有GAM结构的动态竞争Cox等比例损失模型”。



Q17:一些学术论文给人的印象是,简单的从高斯联接函数转变到一个更合适的联接函数类就可以避免信贷危机,您同意吗?

李祥林教授:我不这么认为。如前所述,该模型与金融危机完全无关,尤其是次贷危机,该模型可能帮助了公司组合信用衍生品市场发展成为一个大市场。


你当然可以使用不同联接函数以便更好地适应市场价格。但是这并不意味着你已经解决了问题,你只是做了一些工程上的改进。早在1997年,我在加拿大帝国商业银行(CIBC)的信用衍生品交易和量化部门,我们有一群非常有才华的人 Philippe Hatsdadt、 Tarek Himmo、Josh Danziger、Gerson Riddy和Stanley Myint,就用哪个联接函数我们进行了很多内部辩论。这就是为什么我在论文中列出了一类联接函数,并展示了如何通过控制它们的顺序相关系数来比较不同的联接函数。


雷曼兄弟(LehmanBrothers)的数量分析专家最初主张用t联接函数来取代高斯联接函数,因为t联接函数表现出渐近性尾部相关性。然而,表明,t联接函数比高斯联接函数对相关性微笑的描述更差。


我鼓励人们花更多的时间和精力从金融经济学的角度来研究该模型的理论问题。在目前的阶段,它仍然是一个解决复杂问题的纯粹工程模型, 没有理论支持。从某种意义上说,这是相当可悲的,因为我们20多年来一直在面临信用组合问题,却没有一个可靠的理论。我在研究生期间接受过正规的金融经济学培训,完全意识到理论突破和简单的工程方法之间的区别。


Q18:考虑到2007+的金融危机是一个代价巨大的定量分析研究的案例,我们应该从中学到什么来防止将来发生类似的灾难?

李祥林教授:我可以强调几个使用了错误模型的案例,这可能是导致金融危机的原因之一。我希望在金融危机爆发之前,我们能有一个标准的、公开的、普遍接受的次级房屋抵押贷款模型,就像企业信用组合建模中的高斯联接函数模型一样流行。因为在金融危机期间,不同的公司对次级房屋抵押贷款为抵押资产的资产支持证券(ABS)和债务抵押债券(CDO)的估值有很大的不同。


穆迪的BET模型曾经是所有债务抵押债券(CDO)的评级模型,如今仍在贷款抵押债券(CLO)评级中使用。评级机构对SIV交易采用了“逐期”的联接函数模型,大大低估了抵押品组合中的相关风险。这在很大程度上导致了SIV交易被降级,使投资者遭受了巨大损失。


我希望更多的学者能花时间和精力研究实际问题。我仍然认为模型是解决现实问题的有用工具。我们已经进入了大数据和金融科技的时代,但关键因素仍然是量化方法。


李祥林与他的巴克莱大学的同事


Q19:在公众舆论中,定量模型被认为应对管理不善负责,其有效性受到质疑。您如何回应这样的争论?

李祥林教授:模型只是整个业务的一部分。我建议我们应该一直努力建立更好的模型,但更重要的是要有能够构建模型并理解模型的缺点、理解业务的人。


正如许多人所说,模型只是一个工具,你不能责怪工具。应该由使用工具的人来承担滥用工具的责任。在许多复杂的情况下,模型是不可替代的。例如,你可以在不使用模型的情况下预测股票价格的上升或下降,但如果预测股票价格以80%的概率上升,以20%的概率下降,你已经在用一个定量模型了。


随着我们越来越依赖大数据及机器学习的技术,更多的模型会被人们使用。但是通过回溯测试来理解模型的局限性、我们所做出的假设以及模型在实际情况下的适用性是非常重要的。


Q20:请问您认为在信贷危机之后出现的一些学术论文如果早在10年前就发表的话,可能会阻止这场危机吗?

李祥林教授:我不知道在金融危机发生以前有任何一篇论文可以预知并预防金融危机。我记得很多年前,一位著名的应用数学家曾经说过“数学,在每一个应用领域,都是一个好的仆人,但不是一个很好的主人”,  对于金融业中使用的模型也是如此。模型是现实世界现象的抽象,每个模型可能可以解决一个问题,但是不存在可以解决一个领域中的所有问题的“通用模型”。现实世界中的问题往往比学术论文解决的典型问题更为复杂,同时,这些问题的模型也非常复杂。如何判断模型是否真正解决了现实世界的问题是一个很大的挑战。你真的需要有一群人,他们能够很好地理解问题,同时也能很好地理解模型,并能判断出模型对于该问题的适用性。随着在日常决策中我们更多地使用人工智能或机器学习,上述问题将变得更加重要。


Q21:有各种回顾性的书籍、论文、电影解释了金融危机。请问这些之中有哪一个最接近您经历的现实吗?

李祥林教授:在金融危机之后的一年多时间里,我不想读任何关于危机的读物。我在北京,另一个国家,另一个经济体工作,并试图帮助解决另一组完全不同的问题。


然后,我花了很多时间与一群经济学家一起,试图研究像中国这样的国家如何发展自己以及全球主要经济体如何相互作用。从宏观角度拓宽了我对金融危机的看法。然而,如果我一直继续领导关于交易业务的量化团队,我就无法做到这一点。


我读了几本书,迈克尔·刘易斯的书读起来总是令人愉快,同时还有伯南克,盖特纳,保尔森的回忆录, 《大而不倒(Too Big to Fail)》。我还观看了电影,如《商海通牒(Margin Call)》和《大空头(The Big Short)》。很难挑出一本书、一篇文章或者一部电影可以涵盖所有事情;每种叙述都提供了不同的有趣的观点。


李祥林和花旗集团的同事EvanPicoult(2016)


Q22:经过长时间的沉沦,CDO市场正在复苏。我们是否在方法上已经达到了能够控制现在的风险的程度

李祥林教授:把一类资产或风险放在一起, 然后将它们切割成不同部分(证券化)的基本技术至少存在了几百年。例如,具有免赔额和上限的再保险条约已经存在了几个世纪,它非常像CDO证券化产品。对于基本的CDO市场,我觉得高斯联接函数模型加上基本相关系数曲线和一些扩展,应该能够合理地处理CDO市场。但是我们还应该在这个领域进行更多的基础研究。


Q23:发现自己的照片被刊登在华尔街日报(WSJ)上,并因此(隐含地)成为金融危机的替罪羊的感觉如何呢

李祥林教授:我不是一位喜欢公开曝光的人。华尔街日报文章的作者 (Mark Whitehouse是哥伦比亚大学的Paul Glassman教授介绍给我的。Mark在获得奖学金在哥伦比亚大学学习之前,曾在路透社工作多年,是一位很有成就的记者。在哥伦比亚大学获得奖学金项目期间,他还获得了MBA学位。2005年,当信用市场出现动荡时,Mark希望更多地了解它,Paul建议他与我交谈。Glassman教授是1995年我在加拿大渥太华的一次随机模拟会议上就认识了。


我当时只是帮助Mark了解市场,最多期望在华尔街日报C版的文章中得到一两句话的引用。但是一篇关于市场的文章,如果再加上一些关于人的故事,很容易被期刊刊登在头版文章中。如果你仔细阅读这篇文章,会发现这是一篇关于信贷市场的文章。该文章于2005年9月在“华尔街日报”头版上发表。


Q24:从职业角度说,信贷危机如何影响您?媒体报道在其中发挥了什么作用

李祥林教授:金融危机对所有从事结构性信用产品业务的人都产生了一定的影响。我的许多同事离开了这个行业,有些人因为业务损失了数十亿美元, 永久离开了。作为一名量化分析师,我经常和人们开玩笑说“我们从来没有造成任何问题,但总是想努力解决一两个问题”。


2008年6月,我在一家中国顶级投资银行担任首席风险官,并搬到北京工作。当金融危机彻底爆发时,我不在华尔街。我有这样一种奇怪的感觉,远离华尔街,观察金融危机的演变,从次贷危机到华尔街危机,最后到金融危机,以及全球所感受到的影响。例如,作为一名首席风险官,我不得不应对Lehmann亚洲一家子公司通过我们的经纪业务购买一些股票,但是因为Lehmann的破产而无法进行交割的紧急情况。作为一名从事引起金融危机发生的业务部门的员工,我知道金融危机对我所在公司或其他公司可能产生的影响。但是,我们中没有多少人预计到危机会对全球经济产生巨大影响。因为我们都将精力放在一个业务线,以及和其直接相关的业务。换句话说,我们对整个情形没有很好的宏观把握。


当时我们公司的首席执行官经常就金融危机让我提供咨询。他很惊讶的发现我做了一些正确的“预测”和判断。结果,我被邀请到其他一些金融机构和政府机构进行宣讲,但都是一些闭门会议。


在很大程度上,我更专注于我的新工作。我于1987年离开中国,在2008年才回国。我在国外工作和学习的21年,中国成为一个经历了巨大变化的国家。从历史角度来看,这种变化在规模、速度和影响方面是前所未有的。我很高兴让自己重新融入一个新的国家、文化,并成为其发展的一部分。我有更多的责任,涵盖了多个不同领域,管理整个风险部门,我从头开始建立了一个新的量化组。此外,我还管理一个IT团队,构建一套全球股票交易系统, 包含算法交易,固定收益和风险管理系统。我也成为一些政府机构和大公司的顾问,并加入了一些智库。


媒体报道大多发生在2009年,对我影响不大。我们公司的公共关系部门对涉及公司名称的任何新闻都有一定的监控能力。每当有一个带有我名字的新闻文章出来时,我都会收到通知。在大多数情况下,我只是忽略了它们。



Q25:我找不到很多关于您的采访?为什么您之前不接受采访,谈谈关于您在信贷危机中扮演的角色

李祥林教授:我不是一个喜欢得到别人或媒体关注的人。在研究方面,我非常乐意与可能感兴趣的任何人讨论。金融危机是由许多力量结合造成的。这是一个如此广泛的话题,而我仅仅也是碰巧在引发金融危机的业务中工作。信用组合模型的联接函数方法,或其简化版本的高斯联接函数模型,已经被广泛应用于行业当中,这也许在一定程度上帮助了信用组合业务的快速发展。从学术角度来看,它只是解决复杂问题的一种简单而优雅的方式,从理论的角度来看,它并没有什么值得显著关注的地方。这个领域还有更多的工作要做。

参考文献

1. Bhatia, M., C. C. Finger, and G. M. Gupton (1997).CreditMetrics™– TechnicalDocument. J. P. Morgan & Co, New York. Available at http://www.defaultrisk.com/_pdf6j4/creditmetrics_techdoc.pdf.

2. Duffie, D. and K. J. Singleton (1999). Modeling termstructures of defaultable bonds. Rev. Financ. Stud. 12(4), 687–720.

3. Durante, F., G. Puccetti, and M. Scherer (2015).Building bridges between mathematics, insurance and finance. Depend. Model.3(1), 17–28.

4. Durante, F., G. Puccetti, M. Scherer, and S.Vanduffel (2017). My introduction to copulas. Depend. Model. 5(1), 88–98.

5. Embrechts, P., A. J. McNeil, and D. Straumann (2002).Correlation and dependence in risk management: Properties and pitfalls. In M.A. H. Dempster (Ed.), Risk Management: Value at Risk and Beyond, pp. 176–223.Cambridge 6. Frees, E. W., J. Carriere, and E. A. Valdez (1996).Annuity valuation with dependent mortality. J. Risk Insur. 63(2), 229–261.

7. Frees, E. W. and E. A. Valdez (1998). Understandingrelationships using copulas. N. Am. Actuar. J. 2(1), 1–25.

8. Godambe, V. P. (1960). An optimum property of regularmaximum likelihood estimation. Ann. Math. Statist. 31(4), 1208–1211.

9. Hansen, L. P. (1982). Large sample properties of generalizedmethod of moments estimators. Econometrica 50(4), 1029–1054.

10. Jarrow, R. A. and S. M. Turnbull (1995). Pricingderivatives on financial securities subject to credit risk. J. Finance 50(1),53–85.

11. Li, D. X. (2000). On default correlation: A copulafunction approach. J. Fixed Income 9(4), 43–54.

12. Li, D. X. and H. J. Turtle (2000). SemiparametricARCH models: An estimating function approach. J. Bus. Econ. Stat. 18(2),174–186.

13. Mashal, R. and M. Naldi (2001). Pricing multinamecredit derivatives: Heavy tailed hybrid approach. Available at http://www.faculty.idc.ac.il/roy/Pub/Mashal_Naldi_Hybrid.pdf.

14. Mashal, R., M. Naldi, and A. Zeevi (2003). Extremeevents and multi-name credit derivatives. In J. Gregory (Ed.), CreditDerivatives: The Definitive Guide, pp. 313–338. Risk Books, New York.

15. Merton, R. C. (1974). On the pricing of corporatedebt: The risk structure of interest rates. J. Finance 29(2), 449–470.

16. Nelsen, R. B. (2006). An Introduction to Copulas. Second edition. Springer, New York.

17. O’Kane, D. (2008). Modelling Single-name and Multi-name Credit Derivatives. Second edition. John Wiley & Sons, Chichester.

18. Salmon, F. (2012). The formula that killed Wall Street. Significance 9(1), 16–20.

19. Wang, S. (1998). Aggregation of correlated risk portfolios: Models and algorithms. In Proceedings of the Casualty Actuarial Society, pp. 848–939. United Book Press, Baltimore MD.

20. Whitehouse, M. (2005). Slices of risk: How a formula ignited market that burned some big investors. The Wall Street Journal.

21. Wilde, T. (1997). CreditRisk+: A Credit Risk Management Framework. Credit Suisse First Boston International, London. Available at http://www.csfb.com/institutional/research/assets/creditrisk.pdf.





本周五(11月23日)19:00-21:00

李祥林教授将莅临北大汇丰金融前沿讲堂

与大家分享

“金融危机经验教训、

金融机构改革和未来管理方案”

请长按下图扫描二维码

或点击文末“阅读原文”报名



 延伸阅读  

李祥林:联接函数、信用组合与心碎综合征(上)

讲堂预告丨李祥林:金融危机经验教训、金融机构改革和未来管理方案

北大汇丰金融前沿讲堂往期回顾(截至2018年10月共50期)

金融前沿讲堂丨丁晨:全球及亚太ETF市场发展情况及趋势(含精彩视频)

讲堂PPT丨丁晨:全球及亚太ETF市场发展情况及趋势

金融前沿讲堂(五十一)丨丁晨:全球及亚太ETF市场发展情况及趋势


文章来源:德古意特(DE GRUYTER OPEN),《关联模型研究》(Dependence modeling)

本篇编辑:鞠諃諃



    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存