金融產(chǎn)品拓展鏈的風險積累與控制

王成吉

（天津財經(jīng)大學 經(jīng)濟學院，天津 300222）

0 引言

各種金融產(chǎn)品的創(chuàng)新和衍生過程都經(jīng)歷了從基礎產(chǎn)品到金融衍生產(chǎn)品再到結(jié)構(gòu)性金融產(chǎn)品的過程。金融產(chǎn)品在創(chuàng)新和衍生的過程中，多是以改善流動性、規(guī)避風險以及追求利潤最大化為原動力，轉(zhuǎn)嫁風險的同時都會轉(zhuǎn)移和隱藏更深層次風險。風險從某個產(chǎn)品到產(chǎn)品衍生鏈，往往會存在流動性風險和信用風險累積的情況，最終導致出現(xiàn)系統(tǒng)性風險。2008年美國次貸危機反映出衍生金融產(chǎn)品積聚的全球性金融風險，逐步從單一風險擴展到難以分散和對沖的系統(tǒng)性風險。

國內(nèi)外相關研究主要從金融產(chǎn)品創(chuàng)新的單一節(jié)點出發(fā)探討風險識別和管理，沒有從產(chǎn)品創(chuàng)新的整個鏈條分析風險的轉(zhuǎn)移和集聚。風險預警模型研究方面，多采用事后測度方法，格蘭杰因果檢驗、ARCH族，VAR模型和協(xié)整檢驗一般是確定金融市場波動性傳導先后關系，不能量化和確定波動傳導過程。本文嘗試采用BP神經(jīng)網(wǎng)絡模型建立更完善的風險預警系統(tǒng)，從控制論角度解決風險控制產(chǎn)品鏈的問題，有效熔斷風險鏈條的控制節(jié)點，設置防火墻以防止系統(tǒng)性風險的蔓延。

1 金融產(chǎn)品拓展中風險預警模型

1.1 金融產(chǎn)品拓展鏈的風險累積與延伸

金融產(chǎn)品創(chuàng)新遵循市場參與者對金融產(chǎn)品風險特征和盈利能力的原則，以市場需求、流動性、風險配置對沖為原動力。從基礎產(chǎn)品、衍生金融產(chǎn)品再到結(jié)構(gòu)性金融產(chǎn)品，形成一條產(chǎn)品的拓展鏈條,將金融風險通過拓展路徑逐漸傳播（見圖1）。

風險存在于每一個拓展節(jié)點上，產(chǎn)品的創(chuàng)新拓展同時也將風險轉(zhuǎn)嫁，風險延拓展鏈條逐漸傳導、轉(zhuǎn)嫁給結(jié)構(gòu)性金融產(chǎn)品，因此風險在鏈條的終點集聚。以美國次貸危機為例，從次級抵押貸款（SM）到抵押擔保證券（MBS），商業(yè)銀行規(guī)避風險的過程中，通過資本市場將次級抵押貸款的流動性風險轉(zhuǎn)嫁給證券投資者，這其中包含了居民個人的信用風險和違約風險。從MBS到債券抵押擔保債券（CDO）的過程中，投資銀行將現(xiàn)有的MBS通過杠桿融資和貸款的方式轉(zhuǎn)移給了投資者。這種關系隱含巨大系統(tǒng)性風險，資本市場中大投資者理所當然承擔風險，這也是次貸危機蔓延的重要原因。從CDOs到CDO衍生品，信用違約風險互換（CDS）是重要的風險轉(zhuǎn)移中介。他們可以利用原始產(chǎn)品的特別目的載體（SPV），通過破產(chǎn)隔離和增信措施將信用風險和道德風險轉(zhuǎn)移到投資銀行，同時使資產(chǎn)所有權(quán)不會轉(zhuǎn)移。

圖1 金融衍生產(chǎn)品6展鏈的風險積累與傳導圖

1.2 基于神經(jīng)網(wǎng)絡的衍生金融產(chǎn)品風險預警模型的構(gòu)建

1.2.1 神經(jīng)網(wǎng)絡算法

BP神經(jīng)網(wǎng)絡模型廣泛應用于模式識別、風險評估和自適應控制，可任意精確地逼近非線性函數(shù)。例如在一個三層的BP神經(jīng)網(wǎng)絡中，每個圓圈代表一個神經(jīng)元，每個神經(jīng)元通過相互連接形成一個網(wǎng)絡拓撲。如下頁圖2所示。

從結(jié)構(gòu)上看，BP神經(jīng)網(wǎng)絡具有輸入層、輸出層和隱藏層3個層次，不僅包含輸入和輸出節(jié)點，而且還包含一個或多個隱藏節(jié)點層，每個節(jié)點的輸出值由輸入值、函數(shù)和閾值共同決定。將輸入信息轉(zhuǎn)移到輸入節(jié)點,通過權(quán)值的處理來傳導到隱藏節(jié)點,隱藏層通過每個單元的操作后,發(fā)送到輸出節(jié)點,輸出值與期望輸出相比,如果有誤差,則誤差反向傳播。如此逐層修改權(quán)值，直到輸出滿足要求。具體算法如下：

圖2 三層BP神經(jīng)網(wǎng)絡圖

（1）BP網(wǎng)絡的初始化操作：初始化隨機數(shù)wji和θj，標記神經(jīng)元i到神經(jīng)元j的連接權(quán)重為wji，神經(jīng)元j（包括隱含層和輸入層）的閾值記為θj。

（2）樣本數(shù)據(jù)選取：將已經(jīng)預處理的期望輸出向量{Ypl}和訓練樣本向量{Xpl}導入建立的BP神經(jīng)網(wǎng)絡模型，其中，l和p分別表示輸入向量數(shù)和樣本數(shù)量。

（3）計算各層的輸出：當輸入層的輸入與輸出相同，即Opj=Xpj，其中Xpj是第p個樣本的第i個值。對于輸出層和隱含層來說，神經(jīng)元的輸出為Opj=F(∑wjiOpi-θj)，其中Opi是神經(jīng)元j的輸入，也是神經(jīng)元i的輸出，F(xiàn)(x)是非線性可微分非遞減函數(shù)，即F(x)=1/(1+e-x)。

（4）計算各層誤差的信號，隱含層為δpj=opj(1-opj)，輸出層為

（5）反向傳播過程，修正權(quán)值為 ωij(t+1)=ωij(t)+αδpjopj，α為學習速度。

1.2.2 風險預警模型

基于衍生金融工具風險具有非線性、復雜性和智能性的特點，依靠傳統(tǒng)的Logistic回歸方法會直接或間接的依賴線性函數(shù)模型，影響預警信息發(fā)起的及時性和有效性。BP人工神經(jīng)網(wǎng)絡的反向傳播可以隨時根據(jù)自學習和培訓的新數(shù)據(jù)，將其內(nèi)部存儲權(quán)重參數(shù)調(diào)整到相應的可變經(jīng)濟環(huán)境，本文利用BP人工神經(jīng)網(wǎng)絡對衍生金融工具對風險預警系統(tǒng)建模。

（1）輸入節(jié)點的選擇

根據(jù)衍生金融工具的基本類型和傳導機制，基于充分考慮巴塞爾協(xié)議衍生金融工具風險分類前提，選取12項對市場波動數(shù)據(jù)具有前瞻性、敏感性和及時性的代表性指標，作為神經(jīng)網(wǎng)絡風險預警模型的輸入節(jié)點：進出口與GNP比率、外匯儲備風險、外債余額與進出口額比率、資本充足率、市場資金集中率、市場資金總量變動率、合約集中持倉率、價格波動性、合同凈頭寸暴露比率、風險價值充足率、最高持股比例、基差變動率。輸入節(jié)點的數(shù)值需要對基礎數(shù)據(jù)進行歸一化處理，將其轉(zhuǎn)換為[0,1]值域無量綱性指標值，這里我們采用將每個參數(shù)值除以其理論上的最大值域的歸一化方法。

（2）隱含層節(jié)點數(shù)的選擇

根據(jù)BP神經(jīng)網(wǎng)絡模型的特點和Kolmogorov定理，這里選擇隱含層數(shù)為H=2M+1，其中M為輸入層的節(jié)點數(shù)。通過反復計算收斂速度和誤差率，不斷調(diào)整參數(shù)，發(fā)現(xiàn)隱含層為25是驗證的最佳選擇，即M選取25。

（3）輸出節(jié)點的選擇

根據(jù)主成分分析法的綜合評價，充分考慮整個系統(tǒng)的穩(wěn)定性，最終選擇的4個輸出節(jié)點：正常狀態(tài)輸出為[1000]，低風險警戒輸出為[0100]，中度風險警戒輸出為[0010]，高度風險警戒輸出為[0001]；分別對應于主成分得分表中的4種不同的風險狀態(tài)：F∈(-∞,0]時存在較大風險，F(xiàn)∈(0,1]時存在風險，F(xiàn)∈(1,2]時基本安全，F(xiàn)∈(2,+∞]時安全，因此輸出節(jié)點數(shù)確定為4。

2 衍生金融工具風險預警模型的實證

2.1 風險預警模型的訓練

通過BP神經(jīng)網(wǎng)絡模型對構(gòu)建的風險預警模型進行訓練學習，把隱含層的閾值函數(shù)通過trainbpx函數(shù)訓練，誤差標準采用標準均方誤差。建立模型中的參數(shù)設置如表1所示。實證采用Matlab軟件中BP神經(jīng)網(wǎng)絡的默認值，即動量系數(shù)α=0.19，學習率η=0.01，可接受的誤差ε=0.00001。經(jīng)過反復實驗證明，這兩個參數(shù)可以使模型以非?？斓乃俣仁諗吭谡`差范圍內(nèi)。

表1 BP神經(jīng)網(wǎng)絡參數(shù)

采用以下措施衡量金融機構(gòu)衍生金融工具的風險狀況，并對神經(jīng)網(wǎng)絡進行了342次仿真數(shù)據(jù)訓練。如表2所示。

表2 四組真實仿真數(shù)據(jù)訓練數(shù)據(jù) （單位：%）

根據(jù)下頁表3的輸出結(jié)果，模型的誤差結(jié)果為1.22。但此時得到訓練結(jié)果并不收斂，因此利用BP神經(jīng)網(wǎng)絡的自適應性對模型進行優(yōu)化，擴大每層的權(quán)重值，在迭代3586次以后，該模型滿足精度的優(yōu)化結(jié)果，訓練效果非常理想。

表3 神經(jīng)網(wǎng)絡衍生金融工具風險預警系統(tǒng)訓練結(jié)果

表3結(jié)果表明，BP神經(jīng)網(wǎng)絡模型對金融衍生工具風險預警具有較好的適用性。根據(jù)上述4組訓練模擬數(shù)據(jù)，可將風險預警程度分為4個警戒水平，一旦金融產(chǎn)品鏈條積累風險超過警戒水平，風險預警系統(tǒng)可依據(jù)訓練獲得的數(shù)據(jù)及時發(fā)出預警信號，并對風險的嚴重等級進行更準確的分類。金融機構(gòu)的風險管理人員可以根據(jù)風險預警系統(tǒng)的警戒級別制定相應的避險方案。

2.2 風險預警模型的評價

通過實證研究證明，BP神經(jīng)網(wǎng)絡建立風險預警系統(tǒng)具有較好的容錯與識別能力，對數(shù)據(jù)的分布沒有嚴格要求，可以成功解決神經(jīng)網(wǎng)絡普遍的訓練效率、收斂、訓練癱瘓等問題。同時它具有學習能力，可以隨時根據(jù)新數(shù)據(jù)進行自學習和訓練，將其內(nèi)部存儲權(quán)重參數(shù)調(diào)整到相應的可變經(jīng)濟環(huán)境。因此認為該模型能夠及時有效地預測復雜狀況下衍生金融工具的風險。

3 金融產(chǎn)品拓展鏈的風險控制

可以采用系統(tǒng)控制論中的前饋控制與反饋控制相結(jié)合的方式，來解決金融衍生產(chǎn)品的風險控制問題。

（1）風險控制中的前饋控制與反饋控制

在控制金融產(chǎn)品風險控制的過程中，前饋控制應事先采取相應的控制措施，根據(jù)可能的狀態(tài)偏差調(diào)整和變更受控衍生產(chǎn)品的運行狀態(tài)。但對運行過程中可能發(fā)生的偏差，前饋控制對偏差的方向、程度和時機都不能準確把握，或者控制時機把握不及時，可能會導致前饋控制失誤，不能對風險因素進行有效的控制。反饋控制利用風險預警系統(tǒng)的輸出值來產(chǎn)生控制力。如果在風險控制過程中出現(xiàn)的偏差是不可接受的，那么應該分析差異的具體原因，并對風險做新的量化和修正。

通過上述分析，采用前饋控制與反饋控制相結(jié)合的方式是金融衍生產(chǎn)品風險控制較為理想的方案。

（2）風險控制模型的建立與風險控制的實施

結(jié)合前饋控制與反饋控制建立模型：Lt*P＜（La+Lb）－C。

其中，Lt為風險事件發(fā)生的總損失；P為風險事件發(fā)生的概率；La為前饋控制識別出風險造成的損失；Lb為反饋控制識別出風險造成的損失；C為風險控制系統(tǒng)花費的總成本。模型表達式左邊為總損失的加權(quán)平均值（即凈損失），右邊為實施風險控制所產(chǎn)生的總節(jié)約與總成本的差（即凈結(jié)余）。該表達式意味著在凈結(jié)余大于凈損失時，風險控制是有效的。

通過前饋控制和反饋控制識別出風險形成的損失可分為直接損失和間接損失。直接損失是指流動性風險、利率風險、信用風險和匯率風險造成的損失，這種損失將對產(chǎn)品價格和市場價格產(chǎn)生直接損失。Lt則是指在不加以任何控制的情況下各類風險事件造成的損失總和，是對各種風險事件形成損失的加權(quán)。對前饋控制來講風險事件是隨機發(fā)生的，可以利用專家經(jīng)驗數(shù)據(jù)對事件發(fā)生的概率和損失率來定義。

在模型分析過程中，一旦能夠確定前饋控制和反饋控制是必要的，則將實施風險控制。首先確定風險管理的目標和準則，通過風險識別確定存在風險的種類和來源。然后根據(jù)不同的風險類型，依據(jù)數(shù)據(jù)評估事件發(fā)生概率和影響范圍對風險進行評估，并依據(jù)評估結(jié)果決策風險處置預案，即風險自留、風險轉(zhuǎn)移和風險規(guī)避，至此前饋風險控制階段完成。如果選擇風險轉(zhuǎn)移預案，那么風險控制方案進一步細化和明確，直至制定完整的風險管理方案。此方案的執(zhí)行結(jié)果可以判斷風險事件造成的損失是否在可容忍范圍內(nèi)，一旦事件損失超出可容忍范圍則觸發(fā)反饋控制流程，重新回歸起點，反復修正風險控制模型，直到風險損失在可容忍范圍內(nèi)，即凈結(jié)余大于凈損失，風險控制流程結(jié)束。

面對不同的金融產(chǎn)品需要有區(qū)別的風險控制模型，基礎金融產(chǎn)品由于風險影響因素相對比較單一，采用前饋控制可以很大程度上控制風險發(fā)生概率，降低風險損失。但對于金融衍生產(chǎn)品來說，各種風險的積累使風險本身變得更為復雜，搭配反饋控制盡可能將事實偏差降低到預期水平，以實現(xiàn)風險管理的目標。在風險控制過程中，可以對每個節(jié)點都進行控制，保證在風險鏈過度聚集時可以有效介入熔斷機制，及時將風險鏈斷開，防止風險蔓延。