五問Damian Handzy

在金融風險管理領域，我看到的最有希望的事是機器學習。

46歲的Damian Handzy是核物理博士。在他看來，金融市場比質子更難把握。他1999年在紐約合伙創辦了Investor Analytics 公司，擔任CEO和主席，專門為對沖基金和資產管理機構提供基于云技術的風險分析。

2016年1月26日， StatPro公司用1000萬美元收購了Investor Analytics 公司。對此，Damian Handzy說：“能夠加入StatPro，我們感到非常高興，我們的服務、技術和文化實現了無縫整合。StatPro Revolution最優秀的業績評價以及Investor Analytics綜合風險分析的整合使兩家公司的客戶均能受益。我們將共同為投資管理行業提供優質的云業績/風險解決方案，我希望能與Justin和Dario合作，為市場帶來更有價值的分析服務。 ”

您經常與對沖基金經理交流。對他們來說，最關注的頭號風險是什么？

頭號話題就是流動性管理，有不同的類型。FOF與他們的管理人綁在了一起——這就是客戶—管理人流動性風險。基金管理人還有兩種類型的風險：標的資產的流動性和他們必須管理的投資者的流動性。

這樣就出現了流動性強的另類投資基金。它通過高流動性的市場復制了與對沖基金類似的回報，也面臨著與典型對沖基金同類型的風險。特殊之處在于，與標的資產相比，他們給了投資者流動性偏好的選項。這其實非常危險，當流動性消失時，是迅雷不及掩耳的。

與2008年金融危機前相比，人們的風險管理有哪些不同？

比起2007年和2008年，人們在風險管理方面成熟多了。我看到人們調查得更深入，不斷去驗證、核實信息，看看風險評估中有沒有什么瑕疵。這對行業的發展是極其重要和有益的。誰要是指望用一個模型包打天下，最終的結局可想而知。

我還看到人們在做許多不同類型的壓力測試，在哲學意義上更復雜而在數學上更簡單。我很興奮地看到風險管理的哲學和方法更復雜了，也很樂見模型在數學上沒那么究乎其微。

可以請您再解釋一下嗎？

人們并沒有舍棄復雜模型。有一種風險，就是模型的狂熱愛好者想運用復雜的數學和建模技術，求得數學上簡練、理論上可行的模型。而理論家眼中為了模型完美所做的種種假設往往與骯臟的市場并不一致。

在過去幾年中，人們傾向于繼續使用一些非常復雜的模型，但也會引入一些非常簡單的模型，沒有那么多繁瑣的假設，也不要那么精準地解決問題。放松了一些假設，運用相對粗放的模型，卻正好解決了問題。這看起來有點模糊不清，但人們因此卻看到了更多的市場圖景。

您如何評價當下的風險管理實踐？

我們可能擅長這個，不擅長那個，而那個正好是你擅長的。傳染性風險和相關性轉移是我們不擅長的。這是因為人的大腦在識別以前經歷過的模式時是非常出色的，人們總是倚重那些支持自己想法的證據，而不是與之相反的證據。作為一個行業，我們正在慢慢解決這個問題，做得還不錯。

接下來呢？您發現了什么有希望的新方法和模型嗎？

在金融風險管理領域，我看到的最有希望的事是機器學習。你可以從數據背后的一個假設開始，讓計算機來修正這個假設。這有點像達爾文的進化論——適者生存。計算機可以產生原有模型的50種變異，然后判定哪一種隨機變異更好。你可以一直做，直到發現最能夠描述手邊數據的那個。當其不斷迭代升級時，應該不難從中找出一些有用的工具。

當你認為差不多找到答案，并想鎖定答案時，這是很棒的。例如，機器學習擅于識別因子模型。它還擅于描述尾部事件的概率及最壞的結果。所以，從純技術的角度來看，我認為機器學習是下一個風險管理的利器。