FRM—COVID-19后的情景分析：我们是否需要不同的方法？

自全球金融危机以来，压力测试基本上没有变化，但正如Covid-19疫情危机中暴露的一样，现在进行的这些压力测试所依赖的现有情景是不完整的。叙述性和启发式的情景是现在测试的核心，但是一个更有技术性的，模拟驱动的方法可能能更好地解释由罕见的尾部风险事件造成的银行损失的完全分布。

2008/09年全球金融危机之后，宏观经济情景分析成为信贷风险建模师的核心工作。世界各地的银行监管者和会计准则制定者都采用了这种技术，令其成为对经济衰退反应分析的主要依据。十年过去了，银行动用了相当大的精力去进行建模，列举了各种叙述性情景对其投资组合的影响。

2020年的不确定性对风险管理模型师来说是更是充满挑战的一年，关于现有压力测试的情景设计及其有效性，我们有什么想法？鉴于我们刚刚经历的危机，我们在这里提出的问题是，叙述性情景是否提供了一个足够的压力测试解决方案，或者是否应该用其他方法来增强这种方法。

在风险管理中使用情景分析的原因是因为信贷损失有着高度非线性的性质。在一个典型的商业周期中，在扩张阶段违约率将非常低，而在随后的衰退期间违约率将高得多。任何对银行信贷损失的研究都必须考虑到这些尾部事件，从而对潜在的投资组合风险做出准确的计算。

但问题是，根据定义，这种尾部事件非常罕见。经济衰退大约每10年发生一次，而许多衰退，比如2001年的衰退，并不是特别严重。任何用于列举尾部事件的方法都是基于极小数量的数据，使得相关的统计分析在本质上具有高度的推测性。

叙述性情景与模拟情景的利与弊

标准普尔500指数中包涵的公司，只有46%的公司在 Covid-19前的报告中将大流行病列为一种风险。仅在2020年第一季度，这些公司的市值就缩水了大约三分之一——每家公司约180亿美元。

在全球金融危机爆发后不久，在监管机构的领导下，金融服务业迅速确立了一种方法，其中涉及少量的宏观经济情景叙述。这在当时并不一定是最普遍的选择——更有技术头脑的人可能会选择蒙特卡洛模拟，它在学术文献中有很长的历史，并且允许对损失的完整分布进行充实和分析。

我们可以找出几个叙述性情景的优势，可以让我们沿着叙述性情景的道路走下去。首先，是运筹的原因，当SCAP压力测试在2009年初实施时，速度是最重要的：通过两个简单的场景，银行能够在短短几周内扭转一组复杂的结果。这一点至关重要，因为市场正处于交易对手不信任引发的动荡之中，这种动荡需要迅速得到缓解。

但基于模拟的方法准备模型是一个缓慢的过程，而在全球金融危机中，要想把结果马上传达给绝望的金融市场会非常困难。相反，叙事性场景是简单的启发式，允许复杂的结果被快速编译，并容易被公众消化。

然而，启发式方法有几个缺点，Covid-19疫情的爆发就表明出了最明显的一个缺点，即只有少数可能最终会无关紧要的情况得到了深入研究。你可以很容易地重现过去衰退的情形，但是，每次衰退往往有其独特的特点。

举例而言，让我们假设一个特定的银行选择在其建模过程中运行10个不同场景。然后重复最重要的一次情景设计，这个情景设计将包括广泛、普遍的衰退事件，可能具有与2008/09年大衰退(Greatrecession)类似的性质。同时将这种情景运用到大多数情况，也要计算资本计划和损失准备金。

随后的场景设计需要与之前考虑的场景正交，以便为总体分析添加一些内容。然而，由于情景分析领域中的边际收益递减法则，很难想象第10个情景能够提供前9个情景中提到的新见解。

在阅读监管机构的公开文件时，你有理由认为，情景分析是银行进行的精确的数学运算，统计误差为零。但压力测试模型的预测实际上只是银行中误差的中点，随着外界情况变得更加复杂，银行的统计误差可能会扩大。因此，即使在涉及少量场景的情况下，也必须考虑最后结果生成的路径在统计上是否彼此不同。

这就是将简单的启发式方法应用于如此复杂的问题的最大危险：风险概念被有效地传达给了非专业人士——但低估了不确定性的程度，这种不确定性在任何对尾部事件的统计中都很明显。解决方案不是完全放弃场景分析，而是用其他更严格的统计方法去增强它。

使用蒙特卡罗模拟的方法可能是监管者在这里考虑的一个有效的途径。首先，对模型及其相关系数的怀疑可以明确地纳入这种处理的结果中。此外，宏观经济状况在保险行业很容易获得并得到广泛应用，它们可以提供一套通用的输入，使结果在各银行之间具有可比性。模拟的使用消除了对单个迭代的关注，反而促进了对结果分布的广泛关注。

进一步思考

但基于模拟的方法也不是万灵药，因为历史上对尾部事件的观测数据仍是比较缺乏的——也就是说，需要对目标分布的外部范围形状作出精确的决定。

自SCAP以来，已经发生了很多事情，但引人注目的是，压力测试基本没有改变。压力测试的设计者们真的在危机中第一次尝试就设计出了完美的长期解决方案吗？

一旦Covid-19疫情的阴云消散，无论最终原因是什么，我们都有希望在该行业掀起一波新的创新浪潮，让我们更好地为下一次恰当的金融危机做好准备。

本文作者：Tony Hughes

Tony Hughes是一位风险建模师和经济学家，也是一位信用风险分析专家，拥有多年建立并领导高水平风险模型和数据科学团队的经验。