金融业是看天吃饭的行业.docx

金融业是看天吃饭的行业.docx

《金融业是看天吃饭的行业.docx》由会员分享，可在线阅读，更多相关《金融业是看天吃饭的行业.docx（7页珍藏版）》请在冰豆网上搜索。

金融业是看天吃饭的行业

金融行业是看天吃饭的行业

金融，就是能赚钱的时候，狠狠赚钱，而市场无法赚钱时，其实怎么做都是错的，这与风控技术关系不大。

金融在很大程度上是看天吃饭。

在过去几百年历史里，系统性风险的发生频率很高，黑天鹅事件层出不穷。

几乎每8-10年就会来一次所谓的经济危机，只是危机或大或小而已。

而且每次构成经济衰退的原因都不一而足，也无法预测。

每次经济危机都会带来金融机构的崩盘，逆势而上几乎不可见，也就说明在天气不好情况下，风控技术再牛，其实都无法对抗系统性风险。

很多人说，不是还有金融机构活下来了吗？

这就是风控技术的胜利啊！

要回答这个问题，我们先对金融机构做个简单的区分。

一、两种金融机构

金融机构就本质而言，分为两种，一种是银行业金融机构，另外一种是非银行金融机构。

两者区别是什么呢？

银行业金融机构其实本质是存贷的中间主体，它是唯一可以向公众吸收储蓄的金融机构。

利用吸收的储蓄，进行贷款投放，银行承担所有储蓄存款客户的风险，赚取贷款投放的中间利差。

理论上，一旦收不回来的钱，超过利差收入形成的利润以及资本金，它就破产了。

但是这种商业模式的优点在于，可以合法利用资金池，不断借新还旧。

只要保证足够流动性，信用品牌不出现问题，就能继续吸收储蓄。

哪怕坏账再高，超越资本金，都还能不断地玩下去。

21世纪之初，中国商业银行曾出现过类似技术性破产的局面。

当时，由于有国家信誉背书，储蓄一直继续，这个游戏就能玩下去。

而且随着时间推移，经济增长，也能不断地消化风险。

事实上，这种金融机构的本质是用制度来对抗各种风险，任何人都无法对抗的系统性风险。

支撑银行模式走下去的核心就是制度性安排。

另外一类是非银行金融机构，如投资银行、信托公司、证券公司等等。

非银行金融机构无法吸收公众存款，无法通过吸储进行资金池运作。

它们的盈利模式很简单，一种是代理，一种是自营。

（1）代理业务，本身不承担风险，赚取的是无风险的服务费。

（2）自营业务，由于这类金融机构的本质是帮助风险定价的证券化模式，机构可以自己持有一定额度的风险头寸。

事实上，如果业务操作得当，这部分的盈利会远超代理业务收入。

次贷危机之前，大量投行乐于持有大规模次级债，形成账面大额盈利。

但是，持有头寸，意味着要承担风险。

二、不同的风控

从银行类金融机构和非银行金融机构的两种业务模式来看，事实上，过去市场的风控一般也就是这两种模式。

一种是以银行为代表的信贷化模式。

它的本质是通过制度安排，利用规模优势和期限错配，让风险在经济运行的长周期中被化解，制度安排其实是银行能活下来的根本原因。

总体而言，凡是依赖个人能力的商业模式都是无法持续扩张的，只有如此，银行才能稳定地发展到一定规模。

当银行达到一定规模后，在银行体系，个人能力会不断分化和瓦解内，不再起主导作用。

另一种就是证券化模式。

证券化的本质是让核心风险在市场中寻求自我定价和平衡，最终让风险在不同的市场主体之间转移。

证券化不是承担风险，而是让风险通过市场得到合理的配置。

采用证券化模式的机构最终比拼的是风险定价能力，而并非承担风险的能力。

这两种模式各有利弊。

我国是典型的信贷化主导的国家，信贷规模全球第一。

这种间接融资占主导性地位的优点:

政府在经济活动中具备极强的控制力，而且在有效计算信贷总量的情况下，也可以有效防止发生系统性风险。

这种间接融资占主导性地位的缺点：

无法通过证券化来分解和分摊风险，有可能被倒逼产生极大的系统性风险。

因此，信贷化模式是总量可测下的风险不确定性。

证券化的优点：

让风险在自我承担和自我定价中不断分解和暴露。

证券化的缺点：

由于证券化是风险流动的过程，各种原因导致风险在市场中总量不可测量。

如果市场堆积太多的风险，而又无法测定，一方面会加剧投机成分，一方面会形成比信贷化模式更可怕的风险。

因为每个主体都可能承担超越自我承受能力的风险，最终形成的风险会更高。

三、我们都是“接盘侠”

名义上，中国有信贷机构，也有非信贷机构，2012年底大面积放开资产管理，开启大资管模式，无数人认为，资产管理元年开始，必将大面积削减银行主导的金融格局。

但是，现在我们发现所谓的大资管，其实只是个接盘侠，并非真正意义的证券化模式。

所谓的证券化模式的核心，就是让风险在市场中寻求合理定价，结果货不对版。

我们有那么多的资产管理模式，但是都是名义上的证券化，实质都是信贷模式，为什么？

因为必须刚性兑付，所谓刚性兑付，就是如同银行一般，最后，每个投资人必须拿回本金及利息，也就是，即使出现风险，最后都是机构买单。

这时，非银行机构的盈利模式其实与银行的逻辑是一样的，2012年开始的大资管业务，做的业务其实与银行都是一样的，也就是纯粹是放贷款的壳罢了。

证券化机构从事信贷业务，问题就出现了。

他们并没有获得银行信贷机构的特许经营权，因此，只能变相建设资金池，而资金池的成本却极高，导致出现大面积的资管风险。

击鼓传花的游戏不可能一直持续下去，因为谁也无法兜底，打破刚性兑付其实是不得不为之的选择。

传闻，银监会曾经对信托公司有过要求，必须刚性兑付，公司兑付不了，股东兑付，股东兑付不了，换股东兑付，彻底背离资产管理公司的本源。

目前信托主业大部分都是银行通道业务，基金子公司都是信托接盘，回到最后，也是银行信贷业务表外化的通道。

因此，凡是不能自担风险的，其实本质上都是信贷业务，目前所谓的资产管理，到最后都成为了银行的信贷业务表外化的，银行让他们干什么就干什么。

市场上最终比拼的根本不是风险定价能力，而是谁的资源更好，渠道更佳，关系更好。

在过去的十多年来，风险定价能力能力根本不重要。

这也是资产管理、财富管理一直发展不起来的主要原因，核心还是资产风险定价的能力被制度性破坏，银行的优势一览无余，非银行金融机构无可企及，只有在银行也无法兜住时，才可能出现零星违约事件。

但问题又来了，当银行都兜不住时，谁又能兜住呢？

四、牌照

很多资产管理机构出问题，大量的小贷公司、担保公司甚至信托公司出现问题。

其实要反思牌照制模式，因为除了银行这张无敌牌照外，其他牌照都是无法给机构增加风控能力。

并不是政府给给予牌照，所谓的资产管理机构，担保公司、小贷公司等等，就具备风控能力了。

其实，对于非银行信贷机构，最终要与证券市场一样，证券化改革是未来金融改革的方向。

五、风控，趋势比能力重要

前面已经提到风控技术的无用性，风控更多还是制度性安排。

其实单一的风控技术往往是无效的，尤其在市场同质化极为严重和饱和的情况下，更无效。

这里有深层次的问题，因为金融很大程度是维持社会稳定的一种工具应用。

信用过度情况下，金融往往是零和博弈的游戏，理论上，从短期和长期平均看，或者从整体和局部看，金融行业的盈利其实都是相对均衡的，往往以社会平均理论值为限。

而事实上，在面临同业竞争的情况下，好的风控往往意味着没有业务可做，坚持严格风控，人家就不跟你玩了，全球都一样。

市场是竞争的，博弈的，谁都不是傻瓜？

银行风控面对业务压力时，大部分只能选择妥协，尤其是客户经理，当前跟未来之间，做什么选择？

想着如何包装通过风控！

大环境在变化，微观层面，无论如何怎么动作，都是无效的。

趋势比能力重要的太多。

这种案例不可胜数，1994年国企改革，大量下岗的人，转行经商，暴富，而那些当时没有下岗的人，现在都一个个现在开始下岗。

其实，能力越强，反倒越容易被趋势击垮，这个是实情。

很多人2002年出国读书，留在国外，其实恰恰错过的是中国发展最快的十年。

世界上的大多数人总是无意识在做一件与趋势对抗或者顺应的事情，但还是希望能多抬头看看，有意识希望看得更远点。

历史如同一条大河，奔腾而去，我们如同河流里的鱼，大部分的鱼都是随波逐流，而总有个别的鱼希望跳起来看看未来，希望能看得更远，但大部分的鱼都只看到了自己看到的方向，最终无法得知正确与否，于是结果论是最好的论调。

金融是顺应经济周期的行业，金融业的竞争不是单一技术的竞争，而是综合性竞争，某一个维度的优势不可能成为持续性优势。

大数据可以优化管理、提高风控效率、降低风控成本，但是无法决定风控质量，银行的风控质量永远是一揽子系统工程。

不同银行面对同一风险等级的客户，风控往往不是同一个水平，因为不同银行有不同的风险承受能力，自然形成不同的风险定价。

为什么大数据无效，笔者认为原因是多方面的；

第一，金融其实是看天吃饭的。

金融是被经济形势所决定的，在经济形势低迷情况下，金融机构无论怎么折腾都很难玩出特别好的花样。

2008年金融危机一来，覆巢之下安有完卵，就是简单的道理。

系统性风险是任何一家金融机构都必须面临的现实问题，风控体系在系统性风险面前，毫无意义。

第二，金融行业其实不完全符合大数据所要求的逻辑。

大数据的核心逻辑是统计学，有两个要素:

一是样本筛选，就是通过数据筛选出相同特征的群体出现违约的概率;

二是需要足够数量来覆盖统计学里的偶发性特征。

两者是统一而不可分割的。

因为大数据的相关性必然是建立在足够大样本量基础上，仅仅个体相关不足以成为推断相关性的基础。

就是说，覆盖足够大的人群，但足够大是多少？

对于单一金融机构而言，"足够大"是个致命的难题。

另外，这里还隐含一个基础逻辑，就是每个操作的业务群体还要呈现独立非相关。

还有一个问题，相同的人群在不同场合呈现的特征是不一样的，尤其在线上、线下割裂的状态，其行为方式往往会出现强烈的反差。

因此，对于同一个人，根据单一维度数据对其进行判断的意义是有限的，不同维度的数据会反映出极为不同的特征，这时全数据就显得异常重要。

所谓全数据就是N=所有，这个概念的提出者是牛津大学互联网中心的维克托迈尔-舍恩伯格。

这时不再需要采样，因为有整个人群的数据。

当"N=所有"时，确实不再有采样偏差的问题，因为采样已经包含了所有人。

因为互联网海量容纳数据的可能性，的确给全数据一个很好的假设前提，但是这个命题容易回归到假设前提上去，在未实现全数据之前，就别谈大数据了。

毫无意义。

第三，，大数据的前提——"过去决定未来"，并不总是成立的。

现实中往往会出现未来改变过去的情况：

就是一个人某些特征值的改变，会改变系统对他过去的数据所形成的基本特征的认定。

比如经常说"男人有钱就变坏"，这里隐含的逻辑，过去判断一个男人是好人，是建立在他没有钱的基础上的。

而一旦破坏这个基础，这个男人变成有钱人的时候，他就已经脱离最早的系统判定，进入另外一个范畴。

因此，未来的变化，直接打破过去建立的逻辑。

这种现象其实体现了循环函数的概念，带有变量值的问题往往无法建立模型。

过去往往被未来改变了。

例如：

阿里金融采取大数据的量化放贷，市场就会出现大量放贷机构，依附在阿里之上，尾随和跟踪放贷。

也就是在阿里放贷的基础之上，再配置一定比例的贷款，但期限比阿里短。

在这种情况下，阿里之前所设定的所谓模型，会全部失去效应。

事实上，传统信贷中，浙江大量股份制银行就是采用此策略，使得大银行的所谓风控审核形同虚设。

第四，金融业还有一个与其他行业不同的地方，就是风险滞后。

风险滞后意味着什么？

意味着由过去数据推导的模型，会在过去和未来之间留有一段缝隙，这个缝隙中所发生的任何变化，都让银行无法有效调整风险的认定。

例如：

根据餐饮企业的大量数据推导出某一风控模型，进行批量化的业务操作，等着贷款回收。

期间，银行基本无主动权，要回收贷款，第一餐饮企业要有钱，第二餐饮企业要配合。

假如突然某一天政府发文要求降低三公消费，因此，所有的数据都会因为期间任何一个偶发性变化而发生实质性变化而丧失主动权。

所以，即使撇开目前大数据受限制于数据孤岛等一系列的现实问题，就单一大数据风控而言，实现风控的数据模型化只是美好的设想，是脱离了现实的一种自我娱乐的产物。

除非体系内不存在市场博弈行为，无竞争对手。

若市场无竞争对手，还需要风控模型吗？

闭着眼睛做就行了。

当然，这里并非全盘否认大数据的意义。

大数据可以有效地提升效率，降低管理成本，效率的提升和管理成本的下降，最终都提升对抗风险的能力。

因此，大数据虽然不能直接提高风控能力，但具备重要的现实意义。

从结果来看，市场经济是高效的资源配置方式，但从过程来看，市场经济的弊端也非常明显的，高效的背后其实是巨大的资源浪费。

一家企业成功的背后是倒下的无数类似企业，这些都要计入社会成本。

因此，市场高效率的背后其实是整个社会的低效率。

计划经济从其出发点来看，是力图构建一个体系，让市场需求能被有效计算，然后以需定产，从而最大程度地降低社会成本。

理论无限美好，但现实中却往往发现，需求是无法统计和计算的。

缺乏有效的统计手段，使得理想只是理想。

计划经济失败，前苏联的生产和需求产生极大的错位，重工业泛滥而轻工业不足。

大数据匹配云计算，是否可以解决这个问题？

理论上是否可能让计划经济回归或者部分回归？

其实，大数据即使成功，也必然只是个别案例，不具备普遍性。

因为对于同一数据，不同机构对其有效应用的能力必然不同，而这种应用能力，才是机构之间竞争的关键。