风险管理的行为视角自1998年8〜9月市场发生动荡以来，有关在风险管理实践中使用量化技术的 批评日益增多如果正如大多数业内专家认可的那样，资金逃逸到安全地方和带 来的信用利差扩大是史无前例和不可预测的，那么建立在历史数据统计基础上的 VaR 到底有多大用处呢？这个错误不在于风险管理方法，而是我们对这些方法的 应用抱有不切实际的期望从广义上讲，不确定性情况下的理性决策需要三个要素这三个要素就是我之前 提出的“全面风险管理的3P” ：价格(Price)、概率(Probabilities)和偏好( Preferences ) 尽管任何一个完整的风险管理协议都应该包括3 P 要素，但是 目前的大多数风险管理实践主要关注价格和概率，几乎不关心偏好在本文中， 我将通过三个示例：回避损失的本质、风险和不确定性之间的区别以及概率的解 释，来强调不确定性情况下的理性决策中偏好的作用在开始介绍这三个示例之前，我首先要强调一些事项尽管本文标题使用了“行 为”，而且“行为金融”也正日益流行，但是对于现代金融学来说，行为的重要性 并不是新事物近年来，心理学家、认知科学家和神经科学家的大量研究成果创 造了人类行为研究的复兴，其中一个领域就是金融和紧急决策。
这可能引发一个 全新的“金融决策分析”领域，可以从丰富的交叉领域研究成果中获益，而金融风 险管理显然是一个出发点43.1 风险回避个人做出的风险下的决策——无论是否理性，都在很大程度上受到损失规避的影 响假设你有两个投资机会，分别是A和B： A投资可以给你确定的回报24万 美元，而B投资是一张彩票，有大约25%的概率获得100万美元，同时也就意 味着存在75%的概率什么也得不到如果你必须在A和B之间做出选择的话， 你愿意选哪个？现在，B投资的期望值是25万美元，比投资A所获得收益高， 但这也许对你没那么重要，因为你要么得到 100 万美元，要么是一无所获显 然，这里不存在好坏选择之分，答案只取决于个人的偏好在这种情况下，多数 人更愿意选择 A现在，假设你面对的是另外两个选项C和D：投资C必然导致75万美元亏损， 而D投资是一张彩票，有25%的概率不亏损和75%的概率亏损100万美元此 时C和D的期望值是一样大：都是-75万美元如果你必须在这两个不好的选项 里选出一个的话，你会选哪个(这种情况并非像第一眼看上去那么荒谬，人们可 以很容易想到要求在两害相权取其轻的场合)？在这种情况下，大多数人选了 D。
这两套选择方案基于大约20 年前斯坦福大学心理学家卡尼曼和特维尔斯基所做 的一个实验当时卡尼曼和特维尔斯基做了这个实验，之后又做了多次重复实验， 结果显示绝大多数比例的人选择A多于B,选择D多于C这些选择揭示了一个 有趣的有关个人的风险偏好的事实选择了A和D的人等同于选择了一个提供 了以25%概率赢得24万美元和以75%概率亏损76万美元的彩票⑴ 那些 选择B和C的人（这种组合是大多数人忽略的）的盈亏概率也是25%和75%， 但是当他们赢的时候可以得到25万美元而不是24万美元，而输的时候只输掉 75万美元，不是76万美元实际上，选择B+C等同于选择A+B同时再加上1 万美元无成本和风险的收益，这是因为不管胜负，都会加上获得这 1 万美元 知道了这个消息后，你还会选择A和D吗？投资者对这个例子的常见反应是：“这不公平一一当你告诉我们A和B时，并没 有告诉我们 C 和 D ”但是这个例子并不像看上去那么不真实，对于一个跨国企 业，其伦敦公司可能面临着A和B选择，而其东京公司可能面对C和D选择 从各自角度来看，答案无所谓对错，只涉及个人的风险偏好而从该公司的全球 合并财务报表上看，就是另一回事了。
从财务角度看，对于这个公司确实存在正 确和错误的答案金融技术的目的是提供一个分析这类问题的框架，防止人们做 出这样可以带来明显的套利机会的行为43.2 风险与不确定性风险和不确定性之间的区别是微妙的，但从个人投资者的角度看又是极其重要 的下面的例子来自著名的埃尔斯伯格悖论（Ellsberg Paradox, 1961），说明 了风险管理必须考虑到风险的不确定性假设100个球——50个红球和50个黑球放在A缸中，要求你从中取出球并在 纸上记录下球的颜色，且不能让别人看到球从缸中随机取出，如果颜色和你选 的一样，你将得到 1 万美元奖金，如果不一样，你什么也得不到你最多愿意 出多少钱来得到玩这个游戏的机会（这个游戏只能玩一次）？大多数来自金融业 的专业人士给出的上限价格是5000美元，这不奇怪，因为没有超出这个游戏的 期望（收益）值但是其他人往往给出更低的价格，通常不超过4000美元，给 期望值打了一个折扣，表现出我们大多数人回避风险的特点现在考虑另一个同样规则的游戏，这时B缸中有100个红球和黑球，但是它们 的数量比例是未知的（可能是1 0 0 个红球没有黑球，可能是 100 个黑球没有红 球，或者介于两者中间的情况）。
你最多愿意出多少钱参加这个游戏（仍然是只 能玩一次）？大多数被问到的人说他们愿意支付的钱数要比前一种 A 缸少很多（对于不熟悉基础概率理论的人来说，给出低至 100 美元的价格也不稀奇） 但这看上去与这个游戏的风险是完全不匹配的，其实和前一种情况相比，它们的 风险从数学上讲是一样大的[1]换一种说法，假如你已经为玩这个游戏支付了5000美元，但是你可以自己选择 一个缸，那么你愿意选择A缸还是B缸？大多数人愿意选择A缸，但事实上从 A 缸和 B 缸中抽取一个红球或黑球的概率其实是一样大的这个游戏是埃尔斯伯 格悖论的一个变种，显示出人们在面对风险时显示出的典型的不确定性现象这 是怎么造成的？ “不确定性”和“风险”通常被当作是同义词，而人们似乎更愿意知 道他们所面临的是哪种不确定性有时候，不了解不确定性，可能要比了解更糟 糕这带来了明显的问题：人们是否介意风险的不确定性的不确定性？不幸的是， 对于这个问题，我们还没有得到令人满意的答案而且只到最近才有研究者开始 从金融风险管理的角度研究这个问题这个例子特别有说服力，因为它展示了所有的 3P 要素——一个完整的风险管理 协议中应该包含的内容第一，这个游戏要求我们了解这个现象的统计量，即概 率。
对于A缸，抽到红黑球的概率是50/50,对于B缸，尽管你不知道红黑球 的比例，但是其概率也是50/50第二，经济方面或者价格也就是说，你打算 支付什么价格？第三，我认为也是最重要的方面，就是个人角度，你对于其中的 风险的不确定性是如何考虑的？⑴ 对于缸B你不知道其中红黑球各有多少，也就是没有任何信息，可以假 设机会是一半对一半43.3 解读概率即便只把重点放在风险管理的统计方面，即概率，仍然无法避免偏好问题人们 如何看待概率通常与他们以特定方式表现出的偏好不同这里我讲一个在概率和 个人偏好之间新奇的互动情况，说明基于概率的风险管理分析方法可以在附加偏 好信息的基础上得到改善43.3.1 基于概率的 VaRVaR 是建立在概率基础之上的，实际上，风险矩阵用以下方式定义了 VaR：“VaR 是一个估计值，表示在预定的置信区间上，在一段时间持有头寸可能带来的损 失 ”VaR 试图为这个问题提供一个量化解答：“对当前的投资组合来说，下个月 亏损 1 亿美元的概率有多大？”尽管关注点——产生巨额损失的概率看上去是显而易见的，但是对这个问题的解 答可能带来很多问题例如，VaR是基于条件概率还是绝对概率？即VaR表明 的是任何一天亏损 1 亿美元的概率，还是在讨论一个特定事件发生后亏损 1 亿 美元的概率，比如说在日元/美元汇率下跌超过5个标准差时？ VaR如何处理不 同投资组合和不同时间的一致性？一个衍生工具组合中内涵或者引申出的概率 与一个外汇对冲策略是否一致？ VaR 是否具有双边检查以确保 VaR 概率不随时 间的改变而改变？如果概率是不一致的，可能出现对冲机会o VaR是否用到初始 信息或者偏好？任何一个良好的风险管理框架都需要回答这些问题。
43.3.2 条件概率从一篇疾病学文献《艾滋病检测》(AIDS testing)中选取的一个严肃例子，可 以清晰地说明偏好在解释概率是的作用假设一项通过血液检测艾滋病的方法具有 99%的准确度我的意思是说，对于 一个携带艾滋病毒的人，用这种方法进行血液检查，结果为阳性的概率为99% 而如果不是艾滋病毒携带者，用这种方法测试血液得出阴性结果的概率也是 99%现在假设你也做了这个试验，结果是阳性，你个人对自己可能感染艾滋病 毒的概率会做出怎样的判断？在回答这个问题时不要使用任何外部信息，只考虑 血液检验结果为阳性，以及该方法的准确度为 99%很多人会说感染艾滋的概 率是 100%，至少人们会认为这个概率应该在 50%以上但是人们并不能因为这个测试具有 99% 的准确度而得出准确答案，这指的是基 于你的情况得出血液为阳性的概率相应的概率指的是基于这种具有 99% 准确 度的测试方法的你是否患病的概率这两个概率之间的区别是非常重要的，贝叶 斯法则在这两者之前建立了正式的联系具体来说，根据贝叶斯法则，在血液测试为阳性的情况下，感染艾滋病毒的概率 等于在你确实感染艾滋病毒且血液测试结果为阳性的概率，乘以感染艾滋病毒的 绝对概率，再除以血液测试结果为阳性的概率：Prob （AIDS | 十）二 Prob（ + | AIDS） X 卩玖山（‘山乂）Prob（ 4-）为了计算出你在血液测试为阳性时感染艾滋病毒的概率，除了血液测试准确度为 99%之外，你还需要另外两个数据：感染艾滋病毒的绝对概率Prob （感染艾滋 病毒）和血液测试阳性的绝对概率Prob（+）（血液测试阳性），它们大约分别 是0.1%和1.098%。
⑴ 因此，按照上面的公式可以算出你在血液测试为阳性 时感染艾滋病毒的概率为：Prob （AIDS） | +）二 99% x 1% 二 9-02% ' 7 1. 098%这个概率——假设血液测试为阳性时感染艾滋病毒的条件概率不是100% ，也不 是 50% ，而是 9% ！从血液测试的高准确度来看，这个概率真是小得让人吃惊 但是回忆一下，感染艾滋病毒的绝对概率只有 0.1%血液测试为阳性确实给出 了大量信息，实际上，感染艾滋病毒的概率提高了近百倍，但并不能证明你感染 了艾滋病毒当我们使用概率时，必须记住把重点放在正确的概率上而且，研究者和从业者 需要考虑简单的概率如何与其他因素相互影响，例如初始信息的影响（艾滋病检 测这个例子显示了关于条件的信息的重要性）在评估初始信息时，经验、判断 和直觉以及偏好、人类生物学一样，都很重要[1]绝对概率是不需参考其他事件或信息的事件的概率在这个例子中，感染 艾滋病毒的绝对概率是随机抽取一个人发现其感染艾滋病毒的概率，可以用美国 一直患有艾滋病的人数（大约 25 万人）除以美国总人口（约 2.5 亿人）得出一 个粗略的估计值0.1%而血液测试阳性的绝对概率用下式可以算出：Prob （血 液测试阳性）=Prob （血液测试阳性I感染艾滋病毒）xProb（感染艾滋病毒） +Prob （血液测试阳性I没有感染艾滋病毒）x[1-Prob （感染艾滋病毒）]。
43.3.3 零概率事件在艾滋病毒检测例子中，你可能会和很多人一样，认为在血液测试为阳性的情况 下感染艾滋病毒的概率是 100%，你可能得出结论：没有感染艾滋病毒的概率为 零这是一个很强的结论零概率事件成为现代金融的一个谜假设过去从未发 生过事件E,由于人类认知的本质，大多数人会当这样一个事件发生的概率为零 但当被问及这个问题时，事实上他们可以想到这种事件有可能发生但当另外一组人认为E事件的概率不是零时会发生什么？此时至少有一组人（或 者可能两组人）被说服，认为对冲的机会。