《金融风险管理的新视角.ppt》由会员分享，可在线阅读，更多相关《金融风险管理的新视角.ppt（40页珍藏版）》请在三一文库上搜索。
1、金融风险管理的新视角 计算实验金融思想与探索,报告人 张 维 2011-11-29 北京,Page. 2,引言,2008年爆发的全球性金融危机至今依然徘徊在世界的上空，向人们揭示了在一个资讯发达、技术高超、人性贪婪的社会中，金融系统是多么复杂 这次金融危机再次向我们揭示了一个深刻道理：在一个复杂金融体系中，金融风险和危机往往以意想不到的形态和方式突袭我们的经济和社会 因此，人们也无数次梦想拥有一个超级金融水晶球能够预知未来,Page. 3,2016年的一天早上，电子显示屏上的橙色报警灯突然不停闪烁着，美国政府的专家们探测到一个关乎国家安全的预警信号。 由于这个电子显示屏背后关联着世界上最大的一
2、些金融机构，包括银行、政府、对冲基金、网络银团等。而橙色预警灯闪烁表明美国的对冲基金已经积聚在相同的金融资产上，此时，如果某个基金突然变现卖出，警示信号就会出现，而这种下挫价格的行为，迫使其他基金尾随卖出，加速资产价格下挫。很多基金可能在短短的30分钟内就会破产，对整个金融系统造成极大的威胁。 但是，运用高性能计算机对海量的数据运行并处理后，可以对不可预知的风险进行“情景”预现，此时，金融监管部门及时介入从而可以安全平息此次潜在的金融风险事件。,Buchanan, M. (2009), Meltdown modelling, Nature 460, 680-682.,Page. 4,Farme
3、r和Foley（2009）在Nature上提出： 在IT高度发达的今天，人们会想当然地假定，奥巴马及其经济团队会采用高超的计算模型来指引美国走出危机。然而遗憾的是，他们并没有这样做。 在两种流行的经济政策模型中，计量经济学模型假定历史会重演；动态随机一般均衡模型的世界太完美，以至于从本质上排除了危机 因此，政策制订者往往依赖于经验和感觉，采用”屁股决定脑袋”的方式决策,Farmer, D. and D. Foley (2009), The economy needs agent-based modeling, Nature 460, 685-686.,Page. 5,演进中的金融风险管理思考方
4、式,“预测-应对”思考方式 基于“历史会重演”、或者控制理论中的“各态遍历”假设 如：VaR技术中历史波动性作为波动性预测的最佳估计，Monte-Carlo技术中根据历史数据估计参数、据此生成仿真数据、并形成预测,Page. 6,演进中的金融风险管理思考方式,“情景-应对”思考方式 “面向未来”的 认为未来金融市场状态是由众多异质的、具有学习能力和演化特征的个体交互决定的,Page. 7,演进中的金融风险管理思考方式,“情景-应对”思考方式 伴随着人类科学前沿的不断拓展（modelling surprise）、金融经济学中一些传统的思路（如“免疫”的思想）和计算实验金融学的发展，逐步形成了一种
5、“情景-应对”型的风险管理思想,Modelling Surprise “Look at the kinds of things that have surprised us in the past and then model the kinds of things that may surprise us in the future.”,Page. 8,演进中的金融风险管理思考方式,“情景-应对”型风险管理三部曲,设计开发出能反演出已有金融风险事件的人工金融市场平台,制订特定的风险/危机事件情景预案,更改行为、机制或导入新信息冲击，涌现式地衍生出新的风险/危机事件,情景1 泡沫崩盘,情景2
6、突然暴跌,情景3 &%,预案1,预案2,预案3,人工金融市场平台,Page. 9,基于“情景-应对”思考方式的集成研究,高杠杆率导致金融危机（反演） Thurner, Farmer & Geanakoplos (2010), Leverage causes fat tails and clustered volatility, SSRN Working Paper. 投资于证券市场的交易者 噪音交易者：围绕资产的基本价值一个小的范围随机交易。 基金：套利交易。当市场价格高于基本价值，买入；市场价格低基本价值，卖出。允许使用杠杆，即向银行借钱投资。 银行：负责借钱给基金，对基金有杠杆率约束 普通
7、投资者：选择投资于于业绩表现好的基金或持有现金。 资产：一只股票和现金。股票的总供给为N。 价格决定：供需均衡。即噪音交易者的需求加投资基金的需求等于N。,Page. 10,基于“情景-应对”思考方式的集成研究,高杠杆率导致金融危机（反演）Thurner, Farmer & Geanakoplos (2010), Leverage causes fat tails and clustered volatility, SSRN Working Paper.,高杠杆率把市场的波动放大，导致市场加剧下跌，造成崩盘 最高杠杆率的基金财富在下跌中急剧蒸发 高杆杠杆率导致了市场的厚尾和波动聚集 . .,P
8、age. 11,基于“情景-应对”思考方式的集成研究,高杠杆率导致金融危机（反演）Thurner, Farmer & Geanakoplos (2010), Leverage causes fat tails and clustered volatility, SSRN Working Paper.,平均动态杠杆率比固定最大杠杆率低，但动态的杠杆率约束比固定最大杠杆率更快的导致市场崩盘 通过反演，提出政策建议：单个金融机构更严格的风险管控在市场崩盘时加剧了危机；监管机构不能仅依赖于单个金融机构（银行）的风险管控，必须关注系统性的风险管理，在危机发生时，需要引入协调机制来稳定市场 . .,Pag
9、e. 12,基于“情景-应对”思考方式的集成研究,Farmer等学者通过计算实验的手段，重现了本次金融危机发生情景，完成了第一步。该工作正在进展中：进一步研究如市场程序化的止损策略、各种对冲的衍生品对金融市场的冲击，衍生出新的金融市场事件，以采取更有效的监管和风险管控措施。 天津大学团队与中国金融期货交易所也在“情景-应对”思想下开始了探索，其构建的Cybermarket在股指期货正式上市前，对股指期货可能存在的系统漏洞、程序化交易可能引发的风险事件做了”情景-应对“型的分析,Page. 13,基于“情景-应对”思考方式的集成研究,Cybermarket项目背景 存在的主要问题 仿真交易市场与
10、基础 市场不能“连通”，不 能影响现货价格 投资者策略不足 上市后的单市场与跨 市场风险难以测度 无可参考的历史数据,Page. 14,基于“情景-应对”思考方式的集成研究,Cybermarket项目解决方案示意图,CCIS系统的作用：产生合理的“情景”,Page. 15,基于“情景-应对”思考方式的集成研究,Cybermarket项目解决方案 S1：在市场中嵌入异质策略虚拟投资者 S2：利用异质策略虚拟投资者，构造出真实股指期货市场可能出现的不同情景，扫描市场漏洞，测试市场质量 S3：构造包含虚拟现货、期货、期权等多市场情景，应用情景-应对思想，进行综合风险管理和政策仿真,Page. 16,
11、基于“情景-应对”思考方式的集成研究,虚拟人投资者系统（CCIS, CFFEX Cyber-Investor System），通过大量虚拟投资者的引入，应用“情景-应对“的思想，产生并分析了大量合理“情景”，据此提出了有效的交易所交易和监管制度改进建议。,基于“情景-应对”思考方式的集成研究,Page. 17,Page. 18,基于“情景-应对”思考方式的集成研究,ASPEN计划,ASPEN是由美国Sandia国家实验室开发的一套模拟美国经济运行的系统，该系统采用了Multi-Agent的思想进行建模，在模型中包含了家庭、企业、政府、银行、联邦储备局等多类Agent，这些Agent能够在劳动力
12、市场、产品市场、债券市场和信贷市场上进行活动，衍生出各种不同的市场情景和极端风险事件，为国家的政策制定和风险管理提供有利的工具,Page. 19,基于“情景-应对”思考方式的集成研究,EURACE计划 EURACE是欧盟经济体共同投资开发中的研究欧盟宏观经济政策的仿真系统。其主要科学目标是建立一个以微观经济为基础的宏观经济分析框架，提供分析全球规则涌现的新视角。其主要的社会目标是通过仿真分析财政政策和货币政策的协调、外部环境震荡下稳定宏观经济的政策、鼓励科技变革和创新等经济政策的影响，以不断调整和改善经济政策 在EURACE平台中，其市场的构建分为劳动力市场、资本产品市场和消费品市场，以及能源
13、市场和信贷消费市场，并且这些市场之间是相互交互的,Page. 20,“情景-应对”思考方式与计算实验金融,microscopic simulation of financial market (M. Levy, H. Levy and Solomon, 2000) AI-ECON: artificial intelligence economics (Chen, 2000) ACE/ACF: agent-based computational finance (Lebaron, 2002) ABS: adaptive belief systems to model financial mark
14、ets (Hommes, 2002) AMH: adaptive markets hypothesis (Lo, 2004) HAM: heterogeneous agent models in finance (Hommes, 2006) computational intelligence in finance (Chen, 2007) meltdown modeling (Buchanan, 2009) .,Page. 21,“情景-应对”思考方式与计算实验金融,计算实验金融（Agent-based Computational Finance，ACF），是将金融市场视为包含多个异质参与主
15、体的复杂系统，运用信息和计算技术来模拟给定的市场交易结构、市场微观层次Agent的行为，进而揭示由此“涌现”出来的金融市场（如股票市场、外汇市场、期货市场等）动态特性及其成因的一个金融研究领域,Page. 22,计算实验金融中的建模方法与关键技术,按照Dawid和Fagiolo（2008）提出的观点，异质AGENT的交互结构、个体行为构成了进行计算实验金融研究的建模基础问题 同时，这种模型的特点使我们能够不拘泥于传统模型的限制而更多地研究系统的开放性动态规律 这就使得计算实验模型可以形成潜在的“政策试验床”，因为比起抽象的数学模型来，对于将经济结构细节更直接表达出来的模型，决策者会感觉到更加熟
16、悉和亲切,Page. 23,计算实验金融中的建模方法与关键技术,计算实验模型的构成,价格形成机制建模 Agent个体行为建模 市场信息结构建模,Page. 24,计算实验金融中的建模方法与关键技术,价格形成机制建模方法 LeBaron（2006）指出，在构建金融市场的计算实验平台时，最大的困难也许就是构建实验环境的本身，即市场中的价格形成机制的设计。 从已有的文献中可以看出，目前的人工金融市场中关于价格形成机制的设计，从思想上大体上可以分为4类,Page. 25,计算实验金融中的建模方法与关键技术,价格形成机制建模方法 超额需求函数模型 如：Day和Huang（1990）、Chiarella（
17、1992）、Lux （1995，1999） 随机碰撞模型 如：Beltratti和Margarita（1993） 供需均衡模型 如：Arthur等（1997）、Brock和Hommes（1998）、Chiarella和He（2002）、Zhang和Zhang（2007） 真实市场模型 如：Gode和Sunder（1993，1997）、Chiarella和Iori（2002）、Farmer等（2005）、LeBaron等（2007）、Chiarella等（2009）、Li和Zhang等（2010）,Page. 26,计算实验金融中的建模方法与关键技术,Agent个体行为建模方法 计算建模的工作除
18、了对价格形成机制建模以外，另一项重要的工作就是对Agent的个体行为建模 根据不同的“智能”程度，目前相关的文献大致可以3类。,Page. 27,计算实验金融中的建模方法与关键技术,Agent个体行为建模方法 零智能（ZI）类模型 如：Gode和Sunder（1993，1997）、Cliff（1997）、 Farmer等（2005）、Tubaro（2009） 简单策略类模型 如：Brock和Hommes（1998）、Chiarella和He（2003）、Chiarella和Iori（2002）、Zhang等（2006）、Li和Zhang等（2010） 复杂演化学习类模型 如：Arthur等（1
19、997）、 Chen和Yeh（2001）、 LeBaron和Yamamoto（2007）、Zhang和Zhang（2007）,Page. 28,计算实验金融中的建模方法与关键技术,市场信息结构建模方法 市场的信息结构由Agent的交互网络模式所决定，不同的信息结构对信息的传播方式和效率都会产生影响。 根据Agent的交互模式，可以将信息结构建模方法分为3类。,Page. 29,计算实验金融中的建模方法与关键技术,市场信息结构建模方法 个体Agent不存在直接交互的网络模型 如：SFI-ASM（Arthur等，1997），Brock和Hommes（1998），Chen和Yeh（2001） 扩散传
20、播模型 如：Kirman（1993）、Bak等（1997）、Lux和Marchesi（1999）、Cont和Bouchaud（2000） 固定模式的交互网络模型 如：Epstein和Axtell（1996）、Wilhite（2001）、Hein等（2008）,Page. 30,计算实验金融中的建模方法与关键技术,Dawid和Fagiolo（2008）在JEBO special issue on Agent-based models for economic policy design的序言中提到：虽然计算实验模型在经济政策分析方面已经展现出非常令人鼓舞的潜力，.，该方法要跻身经济政策分析的”标
21、准工具“之列，还需解决2个关键技术：模型校准和鲁棒性检验 Ball（2006）在Nature 也提出，这个领域目前处在”研究质量非常不均衡“的状态。在关键技术方面的重要突破，有助于该领域形成更加统一的研究范式。,Page. 31,计算实验金融中的建模方法与关键技术,关键技术1：模型校准 Bianchi、Cirillo、Gallegati和Vagliasindi（2008）总结了计算实验金融模型校准的三种方法： 描述性输出校准。即将人工金融系统生成的数据与实际金融系统的数据进行比较，考察其是否具有相同的统计特征。 预测输出校准。考察人工金融系统的预测是否与未来真实系统的发展一致。这种方法通常需要
22、较长的时间，需要用未来的事实证明。 输入校准。考察人工金融系统具有与真实系统相同的基本结构、行为和制度条件时，这也称为事前校准 。,Page. 32,计算实验金融中的建模方法与关键技术,关键技术1：模型校准,对研究金融脆弱性的CATS模型（complex adaptive trivial system，JEBO2003, 2005）的校准 BCGV运用了第1、3种方法，进行校准，CATS产生与真实系统数据（1996年-2001年）的特征较为一致分别对系统中企业的资本、贷款及增长率数据进行比较红线代表真实系统数据的特征蓝线代表计算实验系统数据的特征,Page. 33,计算实验金融中的建模方法与关
23、键技术,关键技术1：模型校准,Li Yuelei, Zhang Wei, Zhang Xiaotao, Zhang Yongjie and Xiong Xiong. Calibration of Agent-based Continuous Double Auction Stock Market by Scaling Analysis. Working Paper. 2010.,Page. 34,计算实验金融中的建模方法与关键技术,关键技术1：模型校准 LeBaron（2006）则提出了另一个分类方法： 考察计算实验模型是否可以复制出真实市场中的尖峰厚尾、波动聚集等一些异象特征（style f
24、acts）， 通过将真实市场中的一些数据导入到计算实验模型中，作为计算实验模型的初始状态，然后观察模型的演化特征并与真实市场进行比较 在建立计算实验模型时首先通过计量方法，利用真实市场数据回归或拟合出计算实验模型中的一些重要参数值，然后基于这些参数来进行计算，通过对其参数的估计进行了一系列有效的仿真实验。,Page. 35,计算实验金融中的建模方法与关键技术,关键技术2：鲁棒性检验 市场环境参数鲁棒性检验 LeBaron、Arthur 和 Palmer （1999），Huang（2010），喻颖和张维（2005），陈莹，袁建辉，李心丹和肖斌卿（2010） 模型结构鲁棒性检验 Noe、Rebel
25、lo 和Wang（2003），Bence Toth和Enrico Scalas（2007），Reiner （2010） 基于大规模系统的agent数量鲁棒性检验 Egenter et al. （1999），Alfarano和Milakovic（2009），Lux（2009） 然而在目前对大规模agent数量的检验受计算能力的约束较多，我们正在进行multi-agent并行计算平台的开发，专门用于大规模异质agent交互建模,Page. 36,计算实验金融中的建模方法与关键技术,关键技术2：鲁棒性检验,Noe、Rebello 和Wang（2003）研究了交易机制变化对基于遗传算法的agent证券
26、选择的影响,改变交易机制前，agent证券策略选择以Debt为主，Junk债券最少,改变交易机制为Second price auction以后，agent证券策略选择频率变化不大,Page. 37,计算实验金融中的建模方法与关键技术,关键技术2：鲁棒性检验,Egenter et al. （1999）对Lux和Marchesi（1999）发表于Nature上的模型进行的规模性鲁棒性检验,当N=1000时，收益率有明显的波动聚集现象,当N=50000时，收益率波动聚集现象减弱,当N=500000时，收益率波动聚集现象几乎消失,Page. 38,计算实验金融中的建模方法与关键技术,关键技术2：鲁棒性
27、检验,Alfarano和Milakovic（2009）在Kirman（1991）的羊群模型中引入了不同类型的网络交互结构,在规则网络、小世界网络、无标度网络结构中，模型的波动性均随agent数量增加而减少,但在随机交互的网络结构中，模型的波动性在agent数量增加时能保持稳定,Page. 39,未来研究方向,全景式“情景-应对”风险管理系统 大规模计算仿真技术 多体系模型构建与整合 实时在线监控及预警 情景生成与应对机制 智能化分析与演化计算 “人-机”互动式决策支持体系 基于情景仿真的决策剧场 “人-机”交互与社会计算,40,Thanks!,张维 天津大学管理与经济学部 Zhang Wei (Ph. D.) College of Management and Economics, Tianjin University 地址：天津市南开区卫津路92号（300072），天津大学管理与经济学部 Add：College of Management and Economics, Tianjin University, Weijin Road No. 92, Tianjin, P.R. China (300072) Email: Tel: +86-22-27891308,