李祥林：“摧毀華爾街”的不是我的數學公式

Matthias Scherer Giovanni Puccetti

李祥林（David X.Li），現任上海交通大學上海高級金融學院金融學教授，中國金融研究院副院長、金融碩士項目聯席主任。此前，在中外一流金融機構工作二十多年，從事產品開發(fā)、風險管理、資產負債管理和投資分析相關工作。曾任中國國際金融有限公司（CICC）首席風險官，花旗銀行（Citigroup）和巴克萊投行（Barclays Capital）信用衍生產品分析和研究部負責人，美國國際集團（AIG）資產管理公司分析部門負責人。

擁有數學學士學位，經濟、金融和精算學碩士學位，以及加拿大滑鐵盧大學的統(tǒng)計學博士學位。目前擔任《北美精算學報》（North American Actuarial Journal）副主編、滑鐵盧大學兼職教授、多倫多全球風險研究所高級研究員，以及新加坡國立大學風險管理研究所高級顧問。其開創(chuàng)性研究成果——將連接函數引入信用組合模型，被學術界廣泛引用，并且被全面應用于信用組合、風險管理和評級的實務中，這一成果也被《華爾街日報》《金融時報》《日本經濟新聞》及《CBC新聞》等媒體大幅報道。

【編者按】2008年，以雷曼兄弟的倒閉和美國政府救助美國國際集團（AIG）為標志，美國次貸危機演變?yōu)椴笆澜绲慕鹑谖C，至今影響猶在。危機發(fā)生以來，尤其是在2009年，各國都在反省導致危機的主要原因，但立場不同會決定觀點迥異，其中有一種替美國華爾街脫罪辯護的觀點是讓中國人來“背鍋”，理由有兩條：一條是中國因貿易順差而大量購買美國國債，導致長期債利率低于短期債利率；另一條則是說華人精算師李祥林（David X.Li）在2000年發(fā)明的用“連接函數（copula function）”度量“違約風險（default risk）”的模型，被華爾街的金融機構用作次貸衍生產品特別是用于擔保債務憑證（CDO）產品的定價公式，從而成為了“摧毀華爾街的數學公式”。以此為標題的文章，最早由著名財經記者Felix Salmon于2009年2月23日發(fā)表在《連線》（Wired）雜志上，被世界各大媒體廣泛報道，這篇文章還于2012年再次發(fā)表在由英、美合辦的統(tǒng)計學雙月刊Significance雜志上，掀起持續(xù)和巨大的波瀾，其中不乏西方版的“陰謀論”。

關于金融危機，有一種流行的說法是“十年一個輪回”，照此，全球金融又來到一個重要關口。

2018年，兩位專業(yè)人士，一位是德國慕尼黑工業(yè)大學金融數學系的Matthias Scherer教授，另一位是意大利米蘭大學經濟管理與定量分析系Giovanni Puccetti副教授，對李祥林博士進行了訪談，系統(tǒng)且專業(yè)地回顧了李祥林提出“連接函數”度量“違約風險”及其在金融界的應用過程，為我們提供了一份珍貴的學習材料。該訪談原文發(fā)表于學術刊物Dependence Modeling（Volume 6，Issue 1，page 114-130，2018），本文為編譯版，文字翻譯由上海高級金融學院金融科技方向2019級9位研究生（宋伊珊、王藝霖、劉璐、李爽、吳健、張馳銳、林子睿、聶丹雨和祝超）共同完成，并經過李祥林教授審核校對。文中黑字體是采訪者的提問（Q），然后是李祥林博士的回答（A）。

?圖1 1995年，李祥林獲博士學位，與導師Harry Panjer教授合影

一、從一個專業(yè)到另一個專業(yè)的追趕者

QQ：您能向我們講講您的教育背景嗎？

A：我在文化大革命時期（1966—1976年）的中國農村長大，僅接受過零零星星的初等教育。有些學科，比如數學、物理或許老師教得很好，因為老師恰好是一批從城市下放到農村的“知識青年”。我高中時喜歡數學，大學時主修數學專業(yè)，打下了一點純數學的基礎。但是，大學里的純數學沒有足夠吸引我，我發(fā)現一些應用學科，比如說概率論與數理統(tǒng)計反而更為有趣。于是本科畢業(yè)后，我到南開大學學習經濟學。那個時期正是中國改革開放伊始，全社會都在大力發(fā)展經濟，國家希望能培養(yǎng)出一批專業(yè)的管理者和經濟學家。1987年，我去加拿大魁北克省拉瓦爾大學主修MBA學位，當時打算學成之后就回國。

在拉瓦爾大學，我學習了現代金融理論的基礎，對這個學科產生了強烈的興趣。當時，那里的很多教授都畢業(yè)于歐美頂尖大學。但我很快發(fā)現自己的數學知識不足以讀懂最前沿的金融研究論文，所以我決定到滑鐵盧大學學習更多數學和統(tǒng)計學知識。在滑鐵盧，我學習了精算，通過了北美精算師協會（SOA）的十門考試。最后我在五個不同的學科得到了五個學位。從某種程度上說，我是從一個專業(yè)切換到另一個專業(yè)的追趕者。QQ：誰對您的學業(yè)產生過特別重要的影響？A：在滑鐵盧大學，我上過不同領域的課程，包括金融、精算和統(tǒng)計，學制包括本科、碩士和博士?；F盧大學有世界上最好的精算學項目，我上過很多優(yōu)秀教授的課程。在博士論文中，我將統(tǒng)計估計函數概念擴展到貝葉斯統(tǒng)計，并將其應用到精算學中的信用理論模型。我非常榮幸能有機會跟Vidyadhar Godambe教授學習，是他引進了統(tǒng)計中的估計函數功能。那時他已經退休，但仍每天來辦公室。1994年的整個夏天，我經常坐在他的辦公室與他探討問題。他是一位偉大的學者！

我的導師Phelim Boyle教授和Harry Panjer教授對我的影響也很大。Harry有開放的心態(tài)，當我和他討論博士論文選題時，他非常開明地讓我自己決定。和他一起工作也非常有趣，他有時會帶我們坐他的私人飛機兜風，俯視他的農場。Phelim很會啟發(fā)學生，非常友好，他鼓勵我學習更多的金融學知識，他除了應用嚴格的數量方法，也很重視直覺和解釋的有效性。他對學術的熱愛和奉獻令人感動。

博士學位的最后一年，我離開滑鐵盧到曼尼托巴大學做助理教授，但我在獲得博士學位后就離開學校去了金融行業(yè)工作，因此沒有機會進行很長時間的學術研究，這也解釋了為什么我在從業(yè)23年后，現在又再次決定回到學校教書和做研究。

二、最好的建模師也未必能幫助公司避免危機

QQ：您在金融行業(yè)的第一份工作是怎樣的呢？

A：1995年博士畢業(yè)后，我加入了加拿大皇家銀行（RBC），任風險管理部門的高級分析師，專注于股權和外匯業(yè)務的市場風險的研究，還研究信用敞口的計算。當時，我們沒有使用在險價值（VaR）這一名詞，而是使用風險量（Dollar at Risk）。我很快意識到，很多實際的工作都需要量化，但有時量化的概念被使用得很不準確。比如，信用風險是通過未來不同時點的潛在損失的最大值來計算的，計算在給定時點的95%的潛在損失，但真不知道這95%的概率是哪個概率空間中得出的。

那時正是金融衍生品業(yè)務迅速發(fā)展的初期，學習這些新產品及其定價模型，感覺很美妙。經過五個學位教育的錘煉，我覺得自己是行業(yè)中準備得最充分的人之一，但仍然需要去學習市場慣例，學習C語言，C++、VBA等編程技能，并鍛煉模型執(zhí)行能力。強大的數學和統(tǒng)計教育背景無疑為我解決實際問題提供了理論基礎。金融和精算訓練也很有用，因為它們能幫助我將實際問題轉換成數學模型。

不同專業(yè)的博士來到業(yè)界，都感覺手頭有不同的“金剛鉆”。有時，僅僅使用手頭上的“金剛鉆”來解決所有的問題，是一種狹隘的想法，因為可能有更好的工具可用于某一特定問題。那是一個激動人心的時期，因為有許多產品創(chuàng)新、許多新思想，并且，業(yè)界和學界的互動非常頻繁。

QQ：在危機前的日子里，數量分析師的情緒如何？隨機模型扮演什么角色？

A：在金融危機前夕，除了信用衍生品模型外，很多衍生產品定價模型已經經過了時間的考驗，并且能夠以成熟的模式進行應用。但信用衍生品市場仍然處于創(chuàng)新前沿，產品包括ABS債券的現收現付（PAUG）CDS合約、CDX指數、CDX證券化、CDS期權、ABX指數、ABX證券化和CDOs的期權產品等。這也吸引了一群傳統(tǒng)的、與利率打交道的數量分析師，他們仔細研究了信用組合模型的現狀，認為信用組合模型缺乏動態(tài)性，不像通常在利率模型中用隨機過程來表示。他們花了大量精力提出新模型，試圖取代高斯連接函數模型。除了一些組合的期權產品，這些新模型大部分都沒能被業(yè)界廣泛采納。

金融危機前的幾年，我將工作重心轉移到了房屋抵押貸款，主要是次級貸款，以及和房屋抵押貸款相關的新產品建模，如ABS債券為基礎的PAUG CDS、ABS CDO和ABX證券化。當時的房屋抵押貸款建模側重于美國政府機構提供信用擔保的房屋抵押貸款，這不需要對信用風險建模，因為美聯儲機構為違約風險提供了擔保，分析重點主要集中于利率建模。我從公司的量化人員中挑選了一些已經有較強統(tǒng)計背景的人，組建了一個小團隊，并逐漸增加了一些年輕的來自斯坦福大學和哥倫比亞大學的博士，從頭開始研究這個問題。我們開始使用多元遞減理論制表，并轉移到動態(tài)競爭風險模型。建模包括三個階段：首先對房屋抵押貸款提前返款和違約風險進行基本建模；然后對ABS債券中的收入瀑布結構進行建模，因為ABS債券已經是證券化產品；最后對以ABS債券為抵押產品的PAUG CDS或更像CDO平方的ABS CDO的衍生產品進行建模。

我們很快就發(fā)現，新發(fā)放的次級房屋抵押貸款的違約率比早期發(fā)放的抵押貸款高3至5倍，甚至6至7倍。如果這種趨勢持續(xù)下去，那么ABX指數債券的定價應該在面值的30%或40%，但是那時它們仍然以接近面值的價格在市場上交易！考慮到ABS團隊未來可能要經受潛在損失，我們的心情變得很糟糕。但是這種認知僅限于我們這個小團體，而整個市場仍然是很火熱的。在2006年夏季之前，由125個投資級別名稱組成的北美信貸指數CDX一直被壓低至27個基點。然后，在2007年3月的某一天，突然間30%的大幅度價格下跌給所有人敲響了警鐘，在接下來的幾年內，人們對這些復雜證券的價值產生了很多困惑。

擁有最好的建模師并不意味著能夠將信息傳遞到公司最高層并幫助公司避免危機。勞瑞·古德曼（Laurie Goodman）是瑞銀（UBS）長期以來排名非?？壳暗姆课莸盅嘿J款分析師，但在金融危機期間，瑞銀（UBS）是所有華爾街公司中次級房屋抵押貸款損失最大的一家公司。把關于復雜證券的建模，與隱藏重大損失還有激勵相結合是一個相當大的難題，不論這是出于對巨額獎金的渴求、對股東價值丟失的擔憂，還是僅僅為了保留自己的工作。

三、高斯連接函數模型在信用組合違約計量中的運用

QQ：當您開發(fā)出目前稱為信用組合違約模型基礎的“高斯連接函數”模型時，您的想法是什么？

A：在20世紀90年代中期，應用高斯連接函數模型的初衷是為加拿大帝國銀行（CIBC）的金融產品部門解決銷售和交易業(yè)務中的實際問題。例如，我們當時擔心單一名稱CDS合約中的交易對手和參考信用可能同時違約。更具體地說，在亞洲金融危機之前，我們可能會持有一個信用違約互換（CDS），把韓國開發(fā)銀行作為參考資產，而把一家日本銀行作為交易對手。在1996年至1999年期間的新興市場信用衍生產品業(yè)務中，我們已經有一個一籃子信用衍生品，例如，第一個違約（FTD）和第二個違約（STD），并且現金CDO和更多的CBO已經被發(fā)行，各種信用掛鉤票據也已經被創(chuàng)立。

QQ：您最初是如何發(fā)現連接函數作為一種方法論工具的？這是否與您在精算學的學術背景有著或多或少的聯系？

A：在曼尼托巴大學教授精算學時，我從同事Jacques Carrière那里聽說了連接函數，他當時正參與一個關于通過考慮心碎綜合征對聯合生命年金產品進行定價的研究項目。傳統(tǒng)定價精算師將一對夫妻的生命意外事件視為彼此獨立：男性遵循男性死亡率表，而女性遵循女性死亡率表。但作為一對夫妻，他們同住一室，一起旅行，面臨很多共同的風險。當他們變老時，更加彼此依賴，一方的死亡對另一方的影響很大。實證研究表明，這種影響甚至是不對稱的：妻子死亡對丈夫生活的影響大于丈夫死亡對妻子生活的影響。他們使用Great West Life的數據進行了一些實證研究，發(fā)現夫妻生存時間呈正相關，并運用連接函數研究這種關系對聯合生命年金產品估值的影響。我從Jacques那里得知了這項研究，但當時沒花太多時間去了解更多細節(jié)，因為我正在努力完成自己不同主題的博士論文。

最初，我花了很多時間試圖將Duffie&Singleton（1999）引入的隨機損失率模型應用于CDO定價，但我無法使模型適應市場。此外，交易員不喜歡具有大量參數的模型，并且當時即使在Window NT 3.0操作環(huán)境下，計算量仍非常巨大。我開始尋求一個“簡單”的解決方案。我讓Emiliano把他與Jed和Jacques合作的那篇工作論文（Annuity Valuation with Dependent Mortality）發(fā)送給我，我當時在紐約的CIBC金融產品部門工作，他通過傳真給我發(fā)了另一篇工作論文（Understanding Relationships Using Copulas）。

那時，Roger Nelsen即將出版連接函數的著作（An Introduction to Copulas）。我聯系到他，讓他給我一本預印本，并承諾在這本書出版后再買一本正本。我的論文里引用了他的書，我希望這也能幫助他賣出更多本書。Paul Embrechts教授（圖2左一）1999年在哥倫比亞大學就連接函數在風險管理中的應用做報告（Correlation and Dependence in Risk Management:Properties and Pitfalls）時，我走過去告訴Paul，我過去幾年一直在運用連接函數。他很驚訝，問我用連接函數做了什么。我說主要運用它來為信用衍生品定價。Shaun Wang為產險精算協會（CAS）撰寫了一份關于資本配置的研究報告（Aggregation of Correlated Risk Portfolios:Models and Algorithms），我也讀到了這份報告。我花了很長一段時間在紐約公共圖書館閱讀一些關于連接函數的會議記錄，特別是關于用極值分布構建連接函數的文章。

?圖2 2007年，Paul Embrechts、李祥林、Patrick L.Brockett和Harry Panjer在Panjer的退休聚會上

QQ：您提到您的博士學位論文是一個“完全不同的主題”，是否介意用幾句話解釋一下它？

A：我曾在滑鐵盧大學修過大量的統(tǒng)計課程，但從未進行過統(tǒng)計學方面的研究。此外，我期望在博士畢業(yè)后就進入業(yè)界工作，撰寫博士論文可能是我運用統(tǒng)計學做項目研究的最后一次機會。因此，我為自己的博士論文選擇了估計函數以及其在可信度理論的應用作為主題。

估計函數理論，是一種廣義的估計方法，它統(tǒng)一了估計方法，如最大似然估計（MLE）和最小二乘（LS）方法。估計函數是一種關于數據或觀測值和被估參數的函數。例如，MLE中使用的分數函數就是一種估計函數。本質上，它類似于廣義矩估計法（GMM），Lars Hansen（1982）因此獲得了諾貝爾經濟學獎。我當時正在通過添加先驗信息（仍然依據估計函數）來擴展估計函數理論，然后將其應用于可信度理論。在曼尼托巴大學工作時，我與Harry Turtle教授一起合作，把我的博士論文中一個小節(jié)進行了擴展，并發(fā)表了一篇關于應用估計函數理論進行GARCH參數估計的論文（Semiparametric ARCH Models:An Estimating Function Approach）。我至今仍希望估計函數理論和廣義矩估計法這兩個領域的研究人員之間可以有更多的互動。

QQ：您提到過Paul Embrecchhttss，他的論文對定量風險管理中的關聯模型研究產生了相當大的影響。請問這是否與您有關？

A：1999年3月28日，Paul在Columbia-JAFEE金融數學會議上作題為“保險分析：金融風險管理中的精算工具”的演講。他在演講中介紹了他與Alexander McNeil和Daniel Straumann合作撰寫的一篇研究論文——《風險管理中的相關系數和相關性：性質和陷阱》。這也許是連接函數這個概念第一次被呈現給金融業(yè)的大量聽眾。那時，我正在寫一篇后來被發(fā)表在Journal of Fixed Income上的論文（On Default Correlation:A Copula Function Approach），大部分工作早已經在1996—1998年間就完成了。Paul和他的合著者的論文更廣泛地討論了相關性的問題，這對整個業(yè)界有很大的影響。而我當時只是專注于信用投資組合模型。

Paul是一位非常多產的研究人員，他的研究課題涉及不同的領域，同時他對別人也很有啟發(fā)和幫助。他是將學術研究與行業(yè)需求結合得最好的人之一。我總是向他尋求建議和幫助。

QQ：在您的這篇論文中，您提到了多種連接函數類型。在您看來，為什么金融市場最終使用的剛好是高斯連接函數？

A：這個可以追溯到公司資產收益模型，正如Merton在他的著名文章中所述，公司的資產被模擬成對數正態(tài)過程，因此，收益率成為一個正態(tài)過程。但是，如果單單從工程學角度來看這個問題：使用連接函數來生成一個基于給定邊緣分布的聯合分布時，理論上你可以使用許多其他的連接函數。事實上，我們的交易小組研究了各種不同的連接函數，如Frank連接函數和基于極值分布的混合連接函數。通過控制順序相關系數相同的等價相關性，你就可以研究不同連接函數的影響。我覺得當時的領域還沒有發(fā)展到需要區(qū)分由不同連接函數在信用組合模型應用的早期階段所產生的細微差別。此外，我們還需要對我們選擇的連接函數及其參數給出一些經濟學方面的解釋。我知道雷曼兄弟的數量分析專家們好多年來一直在推崇使用Students’t連接函數，但使用者發(fā)現，在擔保債務憑證資產的定價方面，高斯連接函數和Students’t連接函數沒什么本質上的區(qū)別。

我的論文中列舉了一些連接函數。文中與風險交易對手進行信用違約互換的例子就是基于混合連接函數，第一個違約定價的例子是基于高斯連接函數。我其實并沒有特別推崇高斯連接函數，更不用說“單因子高斯連接函數”。我所展現的是一個一般理論框架，這篇論文同時也建立了高斯連接函數和單一期限默頓模型之間的聯系。

市場參與者需要一個簡單的模型來互相交流。大家都知道運用布萊克-斯科爾斯-默頓公式，并用隱含波動率來進行期權定價。同理，我們運用單因子（或者單參數）高斯連接函數來進行北美或歐洲信用利差指數證券化產品交易。我認為，高斯連接函數的流行是因為它的經濟解釋和它的簡單性，尤其是單個相關參數的高斯連接函數。

QQ：現在業(yè)界是否意識到各種商業(yè)信用組合違約模型都可上升到和高斯連接函數產生的相同的相關性結構，只是大多數人都不知道高斯連接函數？

A：確實有人有使用連接函數這個觀念的想法，但是他們大概不知道連接函數本身這個概念。1995年，在穆迪公司工作的Joe Pimbley撰寫了長達12頁的關于如何為聯合違約建立動態(tài)模型的報告。在報告中他描述了所有的關于信用投資組合模型的動態(tài)模型的基本元素：關于收益率曲線的隨機利率模型、關于信用差的動態(tài)模型，同時在對違約進行“測試”的每一步過程中加入違約。但是他并沒有詳細說明如何模擬違約時間以及如何把資產回報率進行關聯。

許多信用模型論文在1994—2000年期間發(fā)表。Duffie和Singleton在1994年以工作底稿的形式發(fā)表了他們的論文（Modeling Term Structures of Defaultable Bonds），并在1999年完成了最終版本。Jarrow-Turnbull的論文（PricingDerivativesonFinancial Securities Subject to Credit Risk）在1995年發(fā)表。大約在1995年，Vasicek的KMV模型技術文件公布。摩根大通的信用計量模型技術文件、瑞士信貸第一波士頓銀行的信用風險附加模型技術文件、麥肯錫的信用組合觀點模型全都發(fā)布在1997年至1998年。

作為一名信用領域的從業(yè)人員，我對該領域最新的研究成果及時跟蹤，而且花費大量的時間來進行研究，也受益于與大多數作者的直接接觸。在我工作于加拿大帝國商業(yè)銀行的時候，Turnbull教授先后在加拿大帝國商業(yè)銀行擔任顧問、全職雇員，許多將連接函數運用在信用組合的想法在這里被構思、研究并被應用于解決關于信用衍生品定價和交易的實際問題以及信用組合建模。我經常請教Turnbull教授，而且他應該是第一批經我介紹使用連接函數進行信用組合建模的專家之一。我在1995年就認識了Duffie教授，我經常和他見面，希望得到他的建議或者從他那里了解學術界的最新發(fā)展。在2000年舊金山舉行的北美精算師協會（SOA）五十周年會議上，我作為SOA投資委員會成員，組織了一個關于信用組合模型的會議，并邀請了信用計量模型三位作者之一的Chris Finger、信用風險附加模型的主要負責人Tom Wild以及麥肯錫信用組合觀點模型的創(chuàng)始人Tom Wilson作為會議嘉賓。我知道KMV模型、信用計量模型和Joe Pimbely在他的筆記中暗指的都是基于高斯連接函數，盡管他們的方法中沒有明確地使用連接函數這個概念。將這些模型明確地與高斯連接函數相聯系，有助于對模型概念的理解和可能的擴展。此外，它還有助于有效的具體實施。例如，基于條件獨立的單因子模型大大提高了高斯連接函數模型的計算速度。

我在1999年初加入RiskMetrics公司（RMG）時，我告訴了Chris Finger有關信用計量模型方法和高斯連接函數模型之間的等價性。我們在一塊白板前對技術細節(jié)討論了兩個下午。實際上，是Chris Finger強烈建議我寫一篇相關論文。我聽取了他的意見并將其作為RMG的研究論文之一公布于眾。Chris把工作文稿送給了Micky Bahtia，然后Micky打來電話并建議我盡快把論文送出去發(fā)表。

我查閱和研究了上述所有的方法，但當時我主要關心的是解決在信用衍生品銷售和交易中所面臨的實際問題。上述每一種方法都從不同的角度處理信貸相關問題，但在實踐中，它們未必都能用于定價和估值。例如，信用計量模型、KMV模型和信用組合觀點模型大多都是單時段模型，其目的是獲得一段時間內的損失分布，以便進行信用風險管理及經濟資本計算。

第一個概念上的挑戰(zhàn)是擺脫單時段，主要是一年的時長，這似乎被評級機構和信用投資組合模型領域的許多機構所使用。但對于信用衍生品的交易，我們無法避開違約的期限結構。實際上，期限結構很重要，因為如果一家公司沒有債務到期，它一般不會違約。在亞洲金融危機之前，韓國開發(fā)銀行（KDB）是經常交易的一個信用主體。從亞洲金融危機爆發(fā)開始，韓國產業(yè)銀行（KDB）的信用利差就呈現出明顯的駝峰形走勢，在初期的兩到三年內上升，隨后開始下降。這是我第一次如此清晰地看到駝峰形的信用利差期限結構。市場如此反應是因為那時亞洲金融危機才剛剛開始，沒有人知道什么時候會到達最低點，這也解釋了利差在最初的兩到三年中增長的原因。但是長期來看，市場推測，如果能夠在接下來的幾年內克服困難，韓國依然擁有良好的主權信用?，F在一切都已經塵埃落定，韓國開發(fā)銀行的信用利差走勢和交易員在危機發(fā)生時的推測如出一轍。因此，我首先嘗試解決信用利差的期限結構問題。我們沒有花費太多的時間就構造出了一條由損失率的期限結構所表達的“信用曲線”。我們采用了和生命表中體現個體壽命的“生成時間”類似的方法來描述每個信用的生成時間，并將其作為標的變量。用生成時間來衡量違約，讓我們可以輕松地對單一名稱信用違約，互換期權進行定價?？紤]到違約可能在保險繳費期間內的任一時刻發(fā)生等問題，我們簡單地選擇了連續(xù)型近似法，而非假設違約發(fā)生在繳費期間末或繳費期間中的JP Morgan方法或Hull-White方法。

毫無疑問，這其中會涉及到一些關于違約后可回收比率以及回收處理假設的問題。從模型建立的視角出發(fā)，我更傾向于采用Duffie-Singleton回收處理假設，因為對未來起點的交易，比如未來為起點的信用違約互換時，它可以得到更一致的結果。我曾經寫過一篇關于“如何建立信用曲線”的論文，作為專題報告發(fā)表在了1998年的《風險雜志》上。在文中我提出了“違約時間”概念，也就是生成時間，用來建立單一名稱違約的模型，同時闡述了怎樣基于一些市場的可觀測變量來建立信用曲線，例如債券價格或資產互換息差。這可能是最早的一篇關于建立信用曲線的論文。當你對信用組合中的每個個體都建立了信用曲線后，你希望得到一個可以用于描述信用組合中聯合違約資產的生成時間聯合分布。這時，連接函數就派上用場了。

我們很快就面臨了“選擇哪個連接函數”和“應該怎樣處理連接函數中的參數問題”的抉擇。那時正值信用計量模型（即技術文檔）發(fā)布，我也閱讀了Vasicek在1995—1996年關于信用組合模型的手寫筆記。這樣就建立了高斯連接函數和Merton模型之間的一致性關系。這個關系一被建立，我們立即就得到了高斯連接函數中的參數的意義：資產收益相關系數。我們用KMV，甚至更簡單的信用計量法中基于股票風險因子的模型，以及資產規(guī)模和公司的非系統(tǒng)風險之間的經驗關系來得到資產收益相關系數。該模型的首次應用是在我們的單一名稱信用違約互換頭寸上，考慮到了交易對手的違約風險，使用連接函數對第一個違約、第二個違約以及債券擔保證券的定價變得非常簡單。因此，高斯連接函數被選中的原因主要是因為我們建立的公司資產收益率模型是基于正態(tài)分布。在這個模型的一般形式中，我們可以用一對對不同的相關系數來建立相關系數矩陣，而不是僅僅用“單因子”或是單一參數的高斯連接模型這樣針對交易而進行簡化的相關性結構。我們花了大量的時間研究怎樣利用不同的相關結構來降低維度和快速計算方法（例如主軸分析法）。

四、高斯連接函數模型與2008年信用危機

QQ：金融行業(yè)在何時首次接收到了來自高斯連接模型信號的警告？它是怎樣做出反應的？

A：2005年時，高斯連接函數模型在校正市場價格時遇到了一些問題，這是因為大家對汽車行業(yè)的違約感到擔憂。因為股權部分的利差變得很高，導致模型在對某些特定的中間層的基礎相關系數進行調整時遇到了困難。在這樣的情況下，你需要思考這些問題發(fā)生的原因：是模型的問題還是因為市場對某一特定證券化部分的定價不理性？舉個例子，歐洲的信用利差指數（ITRAXX），美元出現類似美國對汽車行業(yè)違約產生擔心的情況，但是它在校正中間層的基礎相關系數時也存在問題。我曾經和一位倫敦交易員交流，建議他出售股權層的違約保險，同時買入中間層的違約保險。幾天之后他就得到了超過一千萬美元的收入，他還建議我創(chuàng)辦一個內部的對沖基金。

在新的市場中，我們要關注一下到底是市場有效還是模型有效。對于一個基本市場的簡單金融工具，交易員作為一個整體可能會對交易產品的價格作出理性判斷。但是在一個全新的市場中，交易者在初期很難對復雜產品給出合理的報價。例如在歐洲信用利差指數證券化產品交易的初始階段，只有少數幾家大型投資銀行提供歐洲信用利差指數證券化產品的雙向報價。這些銀行每天早上都向它們的客戶發(fā)出買賣價的報價單。有一天，一個交易者有意地發(fā)出了朝一個方向影響市場、但具有更大買賣價差的報價，令他感到意外的是，很多其他公司的報價也隨著他的報價方向走。

我們在一段時間內使用單因子的高斯連接函數和基礎相關系數曲線，直到2005年我們在市場上對模型參數進行校正時遇到了一定（短暫的）的挑戰(zhàn)。很多人在研究并推出其他可以替代單因子的高斯連接函數模型。但是直到現在，我還沒有看到一個被普遍認可，且可以用來服務交易為目的、可替代的信用組合模型。最常見的模型依然基于高斯連接函數和基礎相關系數曲線，只不過是對其中某些方面進行了修正，比如說用隨機的回收率。

人們對高斯連接函數模型的一些理論基礎提出了疑問。通常對它的批判集中在尾部獨立、靜態(tài)相關結構或對沖績效不佳等方面，我希望可以對以上幾點做如下詳細解釋。

尾部問題：正如前文所述，我們使用高斯連接函數的原因是我們用布朗運動對資產收益進行建模。幾乎所有的金融理論都基于正態(tài)分布，用基礎相關系數曲線處理證券化之后，高級層“相關/依賴性不足”問題的一種辦法，這和高斯連接函數的尾部獨立存在著一定的聯系。基礎相關系數和期權隱含波動性的概念類似，而波動率有“微笑”或歪斜的特點。為了克服尾部獨立，我們還可以使用混合高斯連接函數模型或高斯連接函數模型再加上隨機回收率，它們和期權定價中的隨機波動率模型相似。

靜態(tài)相關結構：這是一個比較模糊的說法。在一個基于生成時間分布的關聯模型中我們僅僅以是否違約對每個信用主體進行描述，就像是把人們分為“好人”和“壞人”一樣。它擁有自己的動態(tài)性質，也許它的動態(tài)性太強勁了。例如，如果從條件的視角來看相關性，你會觀察到高斯連接函數模型產生過強的相關性：組合中的一個名稱在一年內發(fā)生違約的情況下，另一個與其存在正相關性名稱的條件損失率會迅速上升。但是在高斯連接函數框架下，損失率需要很長的時間才能下降到原來的無條件損失率水平。

很多模型建立者覺得我們需要寫出一個隨機擴散方程來才能得到動態(tài)模型。我們可以利用隨機過程來描述每個信用的損失率，并在測算損失率水平的過程中引進相關性。這是我試圖實施的第一種方法。令人遺憾的是，它沒能很好地產生和市場一致的結果，也無法承受計算量的負擔。我花了一段時間才直觀地理解了這個結果。你可以把損失率理解為事件違約的“波動率”。無論“波動率”水平相關結構有多強，違約事件的相關性依然很弱。Duffie和他的博士生們在這方面做了大量研究來改善隨機損失率模型，在所有單一損失率過程中考慮共同的驅動因子或加入跳躍過程，這對解釋現實世界的損失率變化確實有所幫助。但是這個模型不夠簡約，需要很多參數，并且這些模型在實踐中很難實施和使用。我們如何使用這樣的模型來管理數百個組合交易類型的日常交易呢？

2005—2008年間出現了很多“第二代”的信用組合模型，它們中的很大一部分源自利率模型的范疇。在這些模型中，著重點是整體信用組合損失分布的演變，每個單一信用的貢獻只體現在期望信用組合損失函數的初始期限結構上，而具體某一段時間內的損失分布只能通過由整體損失分布的一個隨機過程來獲得，對于信用組合損失分布的形狀和形式的研究甚少。除了與期望信用組合損失分布的關聯之外，個體信用分布的動態(tài)性幾乎消失殆盡。

如何對沖信用風險仍然需要我們做更多的研究。我們對沖的是信用利差風險還是違約風險呢？很少有實證研究是針對基于高斯連接函數模型建立的信用利差風險的對沖表現，即使有，它們的結論也不明確?？赡苁俏矣兴z漏，我確實沒有讀到過很多關于這方面的研究。Alex Reyfman在就職于貝爾斯登（Bear Sterns）時曾經寫過一篇研究報告。我們在花旗（Citi）和巴克萊（Barclays）做了許多內部研究，依然沒能得出一個明確的結論。針對違約風險的對沖則更加復雜。例如我們研究一個“小籃子”信用違約對沖問題，比如說四個信用組合中的第一個違約的信用掉期合同。如果要實現一個完美的對沖，我們需要所有下列交易證券：所有四個信用的單一信用違約掉期，每兩個信用組合中的第一個違約，每三個信用組合中的第一個和第二個違約。此外，如果你沒有一個完美的對沖，測試對沖性能就需要很長時間，因為，違約本身就是罕見的事件。

當我作為金融機構銷售交易部門從業(yè)者的時候，我就意識到了這些問題，并且和當時我領導的團隊以及同事們做了很多這方面的研究。我們可以針對高斯連接函數模型從技術角度指出更多問題，但是要想找一個替代模型來解決這些問題卻是非常有挑戰(zhàn)性的。我希望看到更多關于這方面的學術研究。

QQ：外界可能會認為，金融行業(yè)已經在擔保債務憑證（CDOCDO）領域建立了規(guī)模幾十億美元的風險管理業(yè)務，且僅僅通過一個公式，而這個公式又僅僅由一個人在很短的時間內發(fā)明。這樣的觀點是否有一定的真實性呢？還是他們把事實過于簡單化了？為什么在關聯模型研究或與學術界的合作等重要方面沒有更多的研究活動呢？

A：高斯連接函數模型至今仍然被應用在信用組合風險管理和信用組合交易領域。無論是否有模型，衍生品市場都在發(fā)展。例如，在B-S公式問世很久之前，人們就開始交易期權了。當然，某個模型如果能被廣泛接受，將能幫助甚至有時能加快市場發(fā)展出新產品。我的論文發(fā)表于2000年，論文中的模型在1997年左右在加拿大帝國商業(yè)銀行（CIBC）就已經實施了，信用衍生品市場和信用組合交易則在20世紀90年代初就開始了。

信用衍生市場的早期發(fā)展需要好的模型來解決我們在實踐中遇到的問題和挑戰(zhàn)。債券評級機構以及其他的從業(yè)者當時用不同的模型來為債券支持證券（CBO）和貸款支持證券（CLO）評級。舉個例子，穆迪（Moody's）用過一個叫“二項展開式”的模型來為組合交易評級。到了2004—2005年期間，三家主要的評級機構穆迪（Moody's）、標普（S&P）和惠譽國際（Fitch）就都開始用高斯連接函數模型方法來做評級了。

信用組合模型是個既有趣又困難的問題。首先，違約事件很少發(fā)生，保險中用于解決此類稀少事件的早期工具大多是基于獨立性的假設。其次，違約現象除了受到單個企業(yè)情況的特殊影響外，也會在很大程度上受到宏觀經濟因素的影響。我們觀察到的違約集中發(fā)生是和經濟周期緊密相關的。第三，用于日常交易的模型一定要操作簡便。舉個例子，我們要能檢查出像圖3 展示出的那些損失分布形狀的變化。過去的20年中學術界和業(yè)界想出來許多其他模型，這些模型中的每一個或許適用于某一種特定的情況或用于特定的交易，但沒有一個模型能完全取代高斯連接函數模型。

雖然我寫出了第一份關于將連接函數應用到信用組合建模的論文，但這不僅僅是我一個人的努力。像我之前所說的那樣，我曾經有機會與頂尖的學術研究人員和優(yōu)秀的從業(yè)者們交流互動，他們在這個想法的形成和具體實施過程中起到很重要的作用。那段時間還有許多其他不同的想法和方法發(fā)表，它們也促進了我這一想法的形成。但是，當時許多人特別是學術界可能未必認可我的想法。我提出這個想法的目的就是要解決實際問題，因為我當時是在信用衍生品組工作，組里每天都會產生新的產品構思和交易想法。那時候，白天我會通過和交易員以及結構交易分析員交流來了解實際問題，晚上我就讀一些學術研究論文和行業(yè)研究論文來為這些問題尋找好的解決方案。我盡可能地吸收所有的學術研究以及該領域的最新發(fā)展。

圖3 顯示了整體組合損失超過某個給定值的概率，我們稱之為超額損失分布。這張圖也顯示了資產相關性對超額損失分布形狀的影響。某個CDO層級的期望超額損失就是相應超額損失分布下的面積，以附著點和分離點為界。

作為一個實踐者，我很樂意和其他人尤其是學術界的人交談各種技術問題，我希望我們能找到更好的解決方案，尤其是要找到理論上合理的解決方案，而不僅僅是“工業(yè)捏造”的解決方案。我曾經在一些頂尖大學如哥倫比亞大學、斯坦福大學、復旦大學做過演講。有一次我和我在花旗銀行的老板Thierry Bollier與一群包括Ken French在內的頂尖學者坐在一桌。當時Thierry就問了和你一樣的問題：“為什么學術界的人不能多花一些時間來研究像信用組合建模這樣的實際問題呢？”Ken先是提出反駁，他認為我們的這些問題不如金融學中的最優(yōu)資本結構或者股權謎題那么重要，之后他承認說學術界的人并不了解這些問題，而且也得不到數據。

總的來說，高斯連接函數模型至今仍然在使用中，在KMV和Credit Metrics中被用作為信用組合風險管理模型，在信用衍生產品中作交易模型，它也被各大評級機構用于為結構化信用產品評級。我在文章中明確地建立了連接函數與這些模型之間的聯系，但是這個領域的發(fā)展仍需依賴于許多其他人的推動。

?圖3 總體損失的概率分布

QQ：如果時間倒回過去，您會對您22000000年的那篇文章做出何種改動呢？

A：我對這篇論文的看法是，它用工程學的方法解決了實踐中一個棘手的問題。當時我在風險度量公司（RMG）做研究員，為客戶寫研究論文是我正式工作的一部分。這就解釋了為什么我把論文寫成了風險度量公司的工作論文，我只是總結了一下幾年前所做的研究。我不是一個多產的作家，因為我是一個從業(yè)者，主要職責是為我所就職的公司解決商業(yè)問題。

這篇論文背后并沒有一個強有力的金融經濟學理論。因此我把論文提交給《固定收益雜志》而不是更為學術化的其他期刊。多年來我一直在思考這個問題，我希望我能再寫一篇關于這個話題的論文，并給這個方法增加更多的理論視角。某些關鍵問題在這篇論文中沒有得到很好的討論和解決，例如關于時間范圍和風險度量變化的問題。

QQ：當您把論文提交給《固定收益雜志》時，審查報告的語氣是什么？

A：我沒有得到太多的評論。我想這是一份從業(yè)者的期刊，并且文章的方法是全新的，文章的話題當時也很流行，因此它很適合這個期刊。

QQ：讓我們言歸正傳，您的模型真的像《連線》雜志那篇著名文章《災難的配方：摧毀華爾街的數學公式》所指責的那樣，摧毀了華爾街嗎？

A：金融危機起源于次貸危機，次級抵押貸款是向信用較差的借款人發(fā)放抵押貸款。按揭貸款有兩種風險：提前支付風險和違約風險，這與只受到違約風險影響的公司債券完全不同。正如之前提到的，我們使用生存時間來描述一個違約事件，然后使用連接函數構造一個聯合生存時間分布。對于抵押貸款，我們必須使用多重遞減理論來描述違約風險和提前支付風險。從建模的角度來看，很顯然不能應用連接函數模型進行房屋抵押貸款的建模。當然，行業(yè)中有人試圖“捏造”模型，假設提前支付是固定的，那么每個抵押貸款只面臨違約風險。

其次，資產支持證券（ABS）或債務抵押債券（CDO）中的單一信用個數不一樣。資產支持型證券（ABS）中的房屋抵押貸款總額可能在幾千到幾萬之間。在企業(yè)信用組合建模中，我們在一個投資組合中通常最多只有上百種信用資產。房屋抵押貸款違約和提前支付的根本影響因子是利率、房價價格指數（HPI）、借款人自身的特征（如貸款房價比、信用評分），以及貸款本身性質（如固定或浮動利率），等等。我使用了一個“動態(tài)競爭風險模型”用于次級房屋抵押貸款建模，用Cox模型同時處理提前支付風險和違約風險，并將借款人的信用和貸款特征作為協變量。這是一個動態(tài)模型，因為利率和房價上漲指數（HPI）都是動態(tài)變量。

所以從建模的角度來看，高斯連接函數模型與次貸危機完全無關。實際上，在金融危機期間，CDX和ITRAXX或任何企業(yè)信貸組合證券化產品的交易仍然都在使用高斯連接函數模型和基本相關性曲線，而且沒有遇到什么大問題，至今仍在使用。由于在金融危機期間，人們對模型和市場進行調整時遇到了一定困難，因此模型本身也必須得到加強和修改。

這篇文章的作者費利克斯·所羅門（Felix Salomon）曾試圖聯系我。當時我在北京一家投資銀行工作，有一天他通過總機聯系到我，我不得不告訴他，由于公司的政策我不能和他交流。我對這篇文章感到驚訝，尤其是它的標題。

QQ：您提到了CCooxx等比例損失模型在信用組合建模中的重要性，您是如何使用它們的？

A：我們使用具有廣義可加模型結構的Cox等比例損失模型進行次級抵押貸款建模。這完全不同于公司信用組合模型，在公司信用組合模型中，每筆交易最多有上百個潛在的信用名稱，我們希望盡可能多地使用單一信用信息。而對于次級房屋抵押的資產證券化產品（ABS）來說，每一種債券都可能有幾千甚至兩萬份個人房屋抵押貸款作為內在資產。這就是為什么我們想使用一個統(tǒng)計模型來捕獲貸款的主要特點，如信用分數（FICO score）、物業(yè)類型、貸款類型和動態(tài)驅動因子如利率和房價價格（HPI）等。我們使用競爭風險模型，因為每個房屋抵押貸款受到不同類型的風險影響：提前支付風險和違約風險，動態(tài)因素對提前支付風險和違約風險影響的函數形式可以用廣義可加模型（GAM）來處理。因此，我們把用于次級房屋抵押貸款的模型稱為“帶有GAM結構的動態(tài)競爭Cox等比例損失模型”。

QQ：一些學術論文給人的印象是，簡單地從高斯連接函數轉變到一個更合適的連接函數就可以避免信貸危機，您同意嗎？

A：我不這么認為。如前所述，該模型與金融危機完全無關，尤其是次貸危機，該模型可能幫助了公司將組合信用衍生品市場發(fā)展成為一個大市場。

當然可以使用不同連接函數以便更好地適應市場價格，但這并不意味著你已經解決了問題，你只是做了一些工程上的改進。早在1997年，我在加拿大帝國商業(yè)銀行（CIBC）的信用衍生品交易和量化部門工作時，我們有一群非常有才華的人，比如Philippe Hatsdadt、Tarek Himmo、Josh Danziger、Gerson Riddy和Stanley Myint，我們針對究竟用哪個連接函數的問題進行了很多內部辯論。這就是為什么我在論文中列出了一類連接函數，并展示了如何通過控制它們的順序相關系數來比較不同的連接函數。

雷曼兄弟（Lehman Brothers）的數量分析專家最初主張用t連接函數來取代高斯連接函數，因為t連接函數表現出漸近性尾部相關性。然而，O’Kane D.（2008）的研究表明，t連接函數比高斯連接函數對相關性“微笑”波動的描述更差。

我鼓勵人們花更多的時間和精力從金融經濟學的角度來研究該模型的理論問題。在目前階段，它仍然是一個解決復雜問題的純粹工程模型，沒有理論支持。從某種意義上說，這是相當可悲的，因為我們20多年來一直在面臨信用組合問題，卻沒有一個可靠的理論。我在研究生期間接受過正規(guī)的金融經濟學培訓，完全意識到理論突破和簡單的工程方法之間的區(qū)別。

QQ：考慮到22000077以來的金融危機是一個代價巨大的定量分析研究的案例，我們應該從中學到什么來防止將來再次發(fā)生類似的災難？

A：我可以強調幾個使用了錯誤模型的案例，這可能是導致金融危機的原因之一。我希望在金融危機爆發(fā)之前，我們能有一個標準的、公開的、普遍接受的次級房屋抵押貸款模型，就像企業(yè)信用組合建模中的高斯連接函數模型一樣流行。因為在金融危機期間，不同的公司對次級房屋抵押貸款為抵押資產的資產支持證券（ABS）和債務抵押債券（CDO）的估值有很大的不同。

穆迪的BET模型曾經是所有債務抵押債券（CDO）的評級模型，如今仍在貸款抵押債券（CLO）評級中使用。評級機構對SIV交易采用了“逐期”的連接函數模型，大大低估了抵押品組合中的相關風險。這在很大程度上導致了SIV交易被降級，使投資者遭受了巨大損失。

我希望有更多的學者能花時間和精力去研究實際問題。我仍然認為模型是解決現實問題的有用工具。我們已經進入了大數據和金融科技的時代，但關鍵因素仍然是量化方法。

?圖4 李祥林與巴克萊的同事

?圖5 李祥林和花旗集團的同事Evan Picoult

QQ：在公眾輿論中有一種聲音，定量模型被認為應對管理不善負責，其有效性受到質疑。您如何回應這樣的爭論？

A：模型只是整個業(yè)務的一部分。我建議我們應該一直努力建立更好的模型，但更重要的是要有人，不僅能構建模型，還要能理解模型的缺點，理解業(yè)務。

正如許多人所說，模型只是一個工具，你不能責怪工具。應該由使用工具的人來承擔濫用工具的責任。在許多復雜的情況下，模型是不可替代的。例如，你可以在不使用模型的情況下預測股票價格的上升或下降，但如果預測股票價格以80%的概率上升，以20%的概率下降，你已經在用一個定量模型了。

隨著我們越來越依賴大數據及機器學習的技術，更多的模型會被人們使用。但是，通過回溯測試來理解模型的局限性、我們所做出的假設以及模型在實際情況下的適用性是非常重要的。

QQ：請問您認為在信貸危機之后出現的一些學術論文如果早在1100年前就發(fā)表的話，可能會阻止這場危機嗎？

A：我不知道在金融危機發(fā)生以前有任何一篇論文可以預知并預防金融危機。我記得很多年前，一位著名的應用數學家曾經說過，“數學，在每一個應用領域，都是一個好的仆人，但不是一個很好的主人”，對于金融業(yè)中使用的模型也是如此。模型是現實世界現象的抽象，每個模型可能可以解決一個問題，但是不存在可以解決一個領域中的所有問題的“通用模型”?，F實世界中的問題往往比學術論文解決的典型問題更為復雜，同時，這些問題的模型也非常復雜。如何判斷模型是否真正解決了現實世界的問題是一個很大的挑戰(zhàn)。你真的需要有一群人，他們能夠很好地理解問題，同時也能很好地理解模型，并能判斷出模型對于該問題的適用性。隨著在日常決策中我們更多地使用人工智能或機器學習，上述問題將變得更加重要。

QQ：有各種回顧性的書籍、論文、電影解釋了金融危機。請問這些之中有哪一個最接近您經歷的現實嗎？

A：在金融危機之后的一年多時間里，我不想讀任何關于危機的讀物。我在北京，另一個國家、另一個經濟體工作，并試圖幫助解決另一組完全不同的問題。

然后，我花了很多時間與一群經濟學家一起，試圖研究像中國這樣的國家如何發(fā)展自己以及全球主要經濟體如何相互作用。這從宏觀角度拓寬了我對金融危機的看法。如果我一直繼續(xù)領導關于交易業(yè)務的量化團隊，我就無法做到這一點。

我讀了幾本書，邁克爾·劉易斯的書，讀起來總是令人愉快，同時還有伯南克、蓋特納、保爾森的回憶錄，《大而不倒（Too Big to Fail）》等。我還觀看了電影，如《商海通牒（Margin Call）》和《 大 空 頭（The Big Short）》。很難挑出一本書、一篇文章或者一部電影可以涵蓋所有事情；每種敘述都提供了不同的有趣的觀點。

QQ：經過長時間的沉淪，CCDDOO市場正在復蘇。我們是否在方法上已經達到了能夠控制現在的風險的程度？

A：把一類資產或風險放在一起，然后將它們切割成不同部分（證券化）的基本技術至少存在了幾百年。例如，具有免賠額和賠付上限的再保險條約已經存在了幾個世紀，它非常像CDO證券化產品。對于基本的CDO市場，我覺得高斯連接函數模型加上基本相關系數曲線和一些擴展，應該能夠合理地處理CDO市場。但是我們還應該在這個領域進行更多的基礎研究。

QQ：發(fā)現自己的照片被刊登在《華爾街日報》（WWSSJJ）上，并因此（被隱喻）成為金融危機的替罪羊的感覺如何呢？

A：我不是一位喜歡公開曝光的人?！度A爾街日報》那篇文章的作者Mark Whitehouse是哥倫比亞大學的Paul Glassman教授介紹給我的。Mark在哥倫比亞大學學習之前，曾在路透社工作多年，是一位很有成就的記者。在哥倫比亞大學獲得獎學金項目期間，他還獲得了MBA學位。2005年，當信用市場出現動蕩時，Mark希望更多地了解它，Paul建議他與我交談。Glassman教授是1995年我在加拿大渥太華的一次隨機模擬會議上就認識了。

我當時只是幫助Mark了解市場，最多期望在華爾街日報C版的文章中得到一兩句話的引用。但是一篇關于市場的文章，如果再加上一些關于人的故事，就很容易被期刊刊登在頭版文章中。如果你仔細閱讀這篇文章，會發(fā)現這是一篇關于信貸市場的文章。該文章（Slices of Risk:How a Formula IgnitedMarketThatBurnedSomeBig Investors）于2005年9月在《華爾街日報》頭版上發(fā)表。

QQ：從職業(yè)角度說，信貸危機如何影響您？媒體報道在其中發(fā)揮了什么作用？

A：金融危機對所有從事結構性信用產品業(yè)務的人都產生了一定的影響。我的許多同事離開了這個行業(yè)，有些人因為業(yè)務損失了數十億美元，永久離開了。作為一名量化分析師，我經常和人們開玩笑說“我們從來沒有造成任何問題，但總是想努力解決一兩個問題”。

2008年6月，我在一家中國頂級投資銀行擔任首席風險官，并搬到北京工作。當金融危機徹底爆發(fā)時，我不在華爾街。我有這樣一種奇怪的感覺，遠離華爾街，觀察金融危機的演變，從次貸危機到華爾街危機，最后到金融危機，以及全球所感受到的影響。例如，作為一名首席風險官，我不得不應對Lehmann亞洲一家子公司通過我們的經紀業(yè)務購買一些股票，但是因為Lehmann的破產而無法進行交割的緊急情況。作為一名從事引起金融危機發(fā)生的業(yè)務部門的員工，我知道金融危機對我所在公司或其他公司可能產生的影響。但是，我們中沒有多少人預計到危機會對全球經濟產生巨大影響。因為我們都將精力放在一個業(yè)務線，以及和其直接相關的業(yè)務上，換句話說，我們對整個情形沒有很好的宏觀把握。

當時我們公司的首席執(zhí)行官經常就金融危機讓我提供咨詢。他很驚訝地發(fā)現我做了一些正確的“預測”和判斷。結果，我被邀請到其他一些金融機構和政府機構進行宣講，但都是一些閉門會議。

在很大程度上，我更專注于我的新工作。我于1987年離開中國，在2008年才回國。我在國外工作和學習的21年，中國經歷了巨大變化。從歷史角度來看，這種變化在規(guī)模、速度和影響方面是前所未有的。我很高興讓自己重新融入一個新的國家、文化，并成為其發(fā)展的一部分。我有了更多的責任，涵蓋了多個不同領域，管理整個風險部門，我從頭開始建立了一個新的量化組。此外，我還管理著一個IT團隊，構建一套全球股票交易系統(tǒng)，包含算法交易、固定收益和風險管理系統(tǒng)。我也成為一些政府機構和大公司的顧問，并加入了一些智庫。

媒體報道大多發(fā)生在2009年，對我影響不大。我們公司的公共關系部門對涉及公司名稱的任何新聞都有一定的監(jiān)控能力。每當有一個帶有我名字的新聞文章出來時，我都會收到通知。在大多數情況下，我只是忽略了它們。

QQ：我找不到很多關于您的采訪。為什么您之前不接受采訪，談談關于您在信貸危機中扮演的角色？

A：我不是一個喜歡得到別人或媒體關注的人。在研究方面，我非常樂意與可能感興趣的任何人討論。金融危機是由許多力量綜合造成的。這是一個如此廣泛的話題，而我僅僅是碰巧在引發(fā)金融危機的業(yè)務領域中工作。信用組合模型的連接函數方法，或其簡化版本的高斯連接函數模型，已經被廣泛應用于行業(yè)中，這也許在一定程度上幫助了信用組合業(yè)務的快速發(fā)展。從學術角度來看，它只是解決復雜問題的一種簡單而優(yōu)雅的方式，從理論的角度來看，它并沒有什么值得顯著關注的地方。這個領域還有更多的工作要做。