模型风险

模型风险 (Model Risk)

模型风险（Model Risk）指因金融或统计模型在设定、实施或使用中存在错误，导致基于该模型的决策产生财务损失或错误判断的风险。这一概念由 Emanuel Derman 在1996年的论文 Model Risk 中系统阐述，并在2008年全球金融危机后成为风险管理的核心议题。与市场风险、信用风险不同，模型风险源于建模活动本身的认知局限——它是"关于知识的风险"。

模型风险的来源

Derman (1996) 将模型风险归为五个层次，严重性逐级递增：

模型设定错误：任何模型都是对现实的简化。当被忽略的因素在特定市场条件下变得关键时，模型失效。例如，Black-Scholes模型假设波动率为常数，但真实市场存在波动率微笑和厚尾现象。

模型实施错误：编程缺陷、数值方法的截断误差、浮点运算的舍入误差等，都可能使输出与理论值系统性偏离。在蒙特卡洛模拟和有限差分中尤为突出。

模型校准错误：参数估计依赖历史数据，而数据可能包含测量误差或结构性断点。在流动性不足的场外交易市场，可观测价格有限，校准问题加剧。

模型误用：将为一类目的开发的模型用于另一类目的，是最常见也最危险的来源。2008年危机前，大量机构将基于高斯联结函数的CDO定价模型应用于房地产相关性已发生根本变化的市场，即典型教训。

模型治理失败：缺乏独立验证和持续监控的组织机制，使错误模型长期未被纠正，最终酿成系统性损失。

历史案例

长期资本管理公司（LTCM, 1998）：由默顿和斯科尔斯参与创办的LTCM，依赖历史相关性和波动率模型进行固定收益套利。1998年俄罗斯债务违约触发了模型中未被充分考虑的尾部相关性事件，基金四个月内亏损46亿美元。模型在正常条件下正确，但其假设在极端条件下不成立。

2008年全球金融危机：次贷危机的核心是MBS和CDO的定价与评级模型。评级机构假设房价不会在全国范围内同时下跌，违约相关性较低——这些假设在2006-2007年后全部被证伪。危机推动巴塞尔协议III大幅强化模型风险监管。

摩根大通"伦敦鲸"事件（2012）：交易员通过修改VaR模型参数人为压低风险敞口报告，最终造成超62亿美元损失，凸显模型治理与激励机制的重要性。

模型风险管理框架

现代模型风险管理（Model Risk Management, MRM）遵循系统化框架：建立模型清单并按复杂度分级；实施独立于开发团队的验证（涵盖概念稳健性、数据质量、数值实施和局限性文档化）；通过回测持续比较预测值与实际结果；配合压力测试和场景分析评估极端情境。

监管层面，美联储2011年发布的SR 11-7指引是全球最具影响力的模型风险监管文件，提出三条核心原则：独立有力验证、持续监控审查、明确权责分配。欧洲银行管理局和巴塞尔银行监管委员会也将模型风险纳入第二支柱框架。

在更广泛的经济学和计量经济学语境中，模型设定偏误、遗漏变量偏误和参数不确定性都是模型风险的表现形式。机器学习模型的广泛应用进一步拓展了这一概念——过拟合、数据泄露和分布偏移（distribution shift）本质上都是模型风险在人工智能时代的新形态。金融领域之外，宏观经济预测中的DSGE模型、流行病学中的传染病动力学模型乃至气候科学中的地球系统模型，均面临模型风险的挑战。正如统计学家 George Box 所言："所有模型都是错的，但有些模型是有用的。"模型风险管理的本质不是消除错误，而是建立识别、量化和控制错误影响的制度化机制。