[前沿] 复杂性理论和金融监控——《Science》论文快递和点评

来源:作者:幸小云、王有贵 发布时间:2016-03-01 浏览次数:1160

Science》论文快递和点评

 

Complexity theory and financial regulation

 

Stefano Battiston, J.Doyne Farmer, Andreas Flache, Diego Garlaschelli, Andrew G. Haldane, Hans Heesterbeek, Cars Hommes, Carlo Jaeger, Robert May, Marten Scheffer

 

 

复杂性理论和金融监控

 

经济政策的制定需要跨学科的网络分析和行为建模

 

译者:幸小云

 

北京师范大学系统科学学院 系统理论硕士生

2016229

 

 

传统的经济学理论已经没有办法解释金融系统在一个短时间内的崩塌和它对于全球经济长期持续的影响,更不用说预测了。自2008年危机之后,已经有越来越多的兴趣转移到运用复杂性理论的方法去理解经济和金融市场。一些概念逐渐地开始在金融及其监控的词典中出现,例如引爆点、网络、传播、反馈及韧性等,但是复杂性模型和结果在金融市场中的实际运用还处在初期阶段。根据最近的了解和现有的技术,我们已经有潜力去更好地监控和管理高度关联的经济金融系统,并且进一步帮助我们预测和管理未来可能发生的危机。

 

引爆点,预警信号。一直以来,金融市场都表现出了突发的,无法预料的系统性规模的崩塌行为。这类相变可能在某些情况下被一些无法预知的随机事件触发。然而,其中起作用的更多是一些内生的潜在过程。对于从气候系统到生态系统等复杂系统的分析已经揭示出,在重大的相变之前,通常会发生渐进的、未被察觉的韧性流失,这会导致系统变得脆弱:一个小的扰乱事件便可以触发多米诺效应即崩塌在系统内传播开来并将系统驱动到一个危机的状态。

近期研究已经表明一些有关韧性的一般性实用量化指标可以应用到各类复杂系统来探测引爆点。其标志性指标包括渐增的网络中节点的关联性以及渐增的波动模式的含时关联性、方差和偏度。这些指标首次运用于数学形式的预测并随后在包括生命系统在内的实际复杂系统得到实验验证[1]。一项针对荷兰银行间网络的研究表明[2],基于同质网络模型的标准分析只能事后探测到2008年的危机,尽管更加真实的异质性网络模型能够在危机发生的3年之前就能识别到预警信号(见下图)。

生态学家已经开发出一套量化食物网中稳定性、鲁棒性和韧性的工具,并且展示出这些指标如何依赖于网络拓扑结构和交互强度[3]。同时,流行病学家也有工具来预估感染事件在交互实体构成的系统中扩散开来的潜在性,辨别出超级传播者和与传染持续性相关的核心集团,并且用于机制设计中,目的是预防或减轻病毒的扩散[4]

从自然科学中推断得到的结论应用到经济金融学中依旧存在挑战。比如,预警信号的发布会改变人们的行为,从而影响系统未来的动力学【参见卢卡斯批判[5]】。但是在只有监控者知晓,或者监控目标仅仅是建立更好的网络壁垒来减缓扩散速度的情形下,这并不影响预警指标发挥其作用。

2008年发生在荷兰银行间同业拆借网络中的危机警告。

 

      上图展示了两类个体的时序分析,它们分别是在同一时间互为借贷方的银行。虽然这种配对的原始数量并不能详细地体现可能正在进行的结构性变化,但是它们相对于随机网络模型的对比却可以体现这一点。Z分值代表的是在真实网络中银行配对数量偏离模型期望值的标准偏差的数量。小的Z分值(<3)表明真实数据与模型几乎是一致的,大的Z分值表明统计上的显著偏离。其中,我们用到了两种随机网络模型:一种是同质网络模型,它的总边数与实际网络相同(顶部);另一种是异质网络模型,其中每个银行的连边数都和真实网络一致(底部)。同质网络模型经常被用到标准性分析中,它只能着重显示出晚期的,突然发生的结构性改变(2008)。异质性模型更具现实意义,它还能够分辨出渐进式的,并能够在危机前三年的阶段给出预警(2005-2007)。[修改自(2]

 

 

TOO CENTRAL TO FAIL. 在较强的级联失效过程中,由于存在冲击的放大作用,网络效应对于金融经济的稳定性至关重要。例如,国际清算银行最近推出了一种框架,通过收集银行间关联性的数据来估测由全球系统重要性银行所构成的金融网络所面临的系统性风险。对于金融网络中传染过程的最新研究表明,网络的拓扑结构和银行的头寸关乎成败;在某些情形下,即使个别银行是安全的,全球金融网络也许会面临崩溃的境况[6]。为了能够量化个体银行的压力并把网络作为一个整体看待系统性风险,抓住这些效应是十分关键的。尽管我们不断努力,这些效应也不太可能很快地被作为惯常性考虑的对象。

 削减正反馈的政策和金融监控条例是能够稳定实验宏观经济系统的

就目前而言,网络上的信息不对称也是一个问题,比如一个银行并不知道其他银行的问题资产情况。银行网络往往体现出中心-外围结构的特征,即存在一个核心银行集团,它包含少数几个较大的并紧密联系的银行,它们在经营和风险模式上并不是那么多元化的。这一点表明,核心银行的破产倾向于高度相关。反过来,这又会导致集体的道德风险问题(比如说,一些银行会倾向于冒更大的风险,因为一旦倒闭其后果是由其他银行来承担成本),由于银行认识到当他们面临危难的时候政府一定会有相应的支持措施,这又进一步放大了他们想要作为核心集团一员的动机。

预估系统性风险依赖于金融网络的细化数据资料。不幸的是,考虑到保密性,银行间的业务交互资料通常是隐蔽的。现有的技术手段正在向根据部分信息重建网络,从而评估系统性风险的方向努力[7],即便如此,目前已有的银行信息并不足以完成系统性风险的可靠估计。一旦银行愿意公布出与其他银行业务联系的数量,即便不透露这些银行分别是谁,风险预估的效果也会有重大的突破。

除了数据以外,对于相互关联的理解同样依赖于综合量化指标和一些体现网络性质的主要概念,比如个体节点失效在系统层面的影响。例如,债务等级衡量的是金融网络中个体金融机构在系统层面的重要性[8],相关的研究表明,“too central to fail”的观点可能比“too big to fail”更重要。

 

主体和行为。在计算机模型中,有一类基于主体的模型,它关注主体的行为和各个主体间的相互作用,这由一套明确的决策规则表达出来,也就是从主体的观测到他们的实际行动有一个对应法则。基于主体的模型被很好地应用于交通管制,疾病传播或是战争冲突等问题的分析中。虽然相较之下,在分析金融经济系统的过程中,该类模型暂时还没有得以很好地发挥其作用,但现有的结论已经说明,用该模型来解决金融经济问题是一个极有前景的方向。艾克斯特尔曾建立起一个简单的基于主体的模型[9],这一模型在不借助外在冲击的条件下很好地解释了公司形成问题中的近三打实用性质。基于主体的模型对于为什么价格波动是集聚的并且是随时而变的这个问题也提供了很好的说明[10]。它还被用于检测巴塞尔银行监管委员会的改革政策对系统性风险的影响,研究表明,动态变化的风险限制能引起价格的大起大落[11,12]。基于主体的模型还可以描述市场动力学,类比于社会科学中刻画舆论动力学的主体模型[13]。后者旨在理解社会网络中舆论的传播是如何影响宏观行为的,这对于管理社会经济系统的稳定性和韧性有着重要意义。

基于人的实验能够为建模提供实证依据,不管是在于主体的决策规则,交互作用,还是在宏观涌现行为上。最近的一项针对群体行为的实验表明,经济系统可能会在个体层面和整体层面上大大地偏离理性有效的均衡[14]。正反馈系统的这一普遍特征导致了价格相对于均衡值的持续性偏离,又由于存在趋势跟随和羊群效应的正向放大作用,引发了投机驱动的市场泡沫和崩溃的出现[15]。在实际金融市场中,存在许多实证性证据证明这些行为的存在,并且对照实验研究也促进了我们对于其影响机制,因果关系和宏观现象涌现条件有更为细致的理解。

一个简单的行为模型,其中的主体会逐渐转换到更优的尝试性行为上,这足以解释实验室经济中的个体以及涌现的宏观行为。在处理类似系统中的社会传播问题方面,这些实验同样能够给出一些更为普适的管理机制。比如说,旨在减弱正反馈的货币财政政策和金融监控手段就是一个成功的案例,在合理校准的条件下,它们能够很好地稳定住实验中的宏观经济系统[16]。可见,复杂性理论能够帮助我们在数学上更好地理解这些效应。

 

政策仪表盘。在现有的经济模型方法的基础上引进复杂性理论的工具[17],这一方向亟待经济学家、复杂性科学家、社会学家、生态学家、流行病学家以及金融机构的研究者们的加入。其中一个非常有前景的方向是开发一套在线的,并且包含数据、方法和指标的金融经济仪表盘。这在其他复杂系统中有类似的工作,例如天气系统和社会网络中。同样地,我们可以利用上述仪表盘对全球社会经济和金融系统进行监控和压力测试。相较于系统性金融崩溃和全球金融经济系统瘫痪带来的成本损失而言,在上述领域中的政策研究和推进学科进步所需的资金只算是九牛一毛。

 

参考文献

1. M. Scheffer et al., Science 338, 344 (2012).
2. T. Squartini et al., Sci. Rep. 3, 3357 (2013).
3. R. M. May et al., Nature 451, 893 (2008).
4. H. Heesterbeek et al., Science 347, aaa4339 (2015).
5. R. E. Lucas Jr., Carnegie-Rochester Conf. Ser. Public Policy 1,19 (1976).
6. S. Battiston et al., J. Econ. Dynam. Control 36, 1121 (2012).
7. G. Cimini et al., Sci. Rep. 5, 15758 (2015).
8. S. Battiston et al., Sci. Rep. 2, 541 (2012).
9. R. Axtell, “Endogenous dynamics of multi-agent firms”(Working paper version 1.5, Univ. of Oxford, Oxford 2014);www.css.gmu.edu/~axtell/Rob/Research/Pages/Firms.html.
10. B. LeBaron, in Handbook of Computational Economics,vol.2, Agent-Based Computational Economics, L.Tesfatsion, and K. L. Judd, Eds. (North-Holland,Amsterdam, 2006), pp. 1187–1233.
11. S. Thurner et al., Quant. Finan. 12, 695 (2012).
12. C. Aymanns, J. D. Farmer, J. Econ. Dyn. Control 50, 155(2015).
13. A. Flache, M. W. Macy, J. Conflict Resolut. 55, 970 (2011).
14. T. Bao, C. Hommes, T. Makarewicz, “Bubble formation and (in)efficient markets in learning-to-forecast and –optimize experiments” (TI 2015-107/II Working paper, Tinbergen Institute, Amsterdam, 2015); http://papers.tinbergen.nl/15107.pdf


15. C. H. Hommes, Behavioral Rationality and Heterogeneous Expectations in Complex Economic Systems (Cambridge Univ. Press, Cambridge, 2013).
16. T. Bao, C. H. Hommes, “When speculators meet constructors: Positive and negative feedback in experimental housing markets” (CeNDEF Working paper 15-10, University of Amsterdam, Netherlands, 2015); http://bit.ly/WP15-10.
17. A. G. Haldane, “On microscopes and telescopes,” Workshop on Socio-Economic Complexity, Lorentz Center, Leiden, 23 to 27 March 2015 (Bank of England, London, 2015); http://bit.ly/1VIJlvX.

 

英文原文:http://science.sciencemag.org/content/351/6275/818

 

 

【论文短评】

 

王有贵 北京师范大学系统科学学院

 

金融危机是经济复杂性的典型性案例,离开复杂性理论我们无法正确理解危机产生的机理,也无法提供预防和应对危机的有效措施。危机过后,系统性风险备受关注,这个把整体看作是个体的关联而不再是个体简单的加总,让许多学者意识到传统经济学的方法论无法提供有效的途径,于是诉诸于复杂性学科。《复杂性理论和金融监控》这篇政策展望性论文对于复杂性科学如何在经济和金融系统发挥其独特的优势,针对目前亟待解决的难题勾勒出一个整体性思路和框架,非常振奋人心。从论文的阐述可以看出,复杂性学科的努力已经给我们提供了良好的开端,特别在网络分析方法上的应用得到了一些新颖独特的见解,极大地推进了我们对于经济金融系统的理解,实际上这些努力也得到了经济学界的积极呼应和认可。一个重要的转变是人们认识到对结构数据的关注在一些极端情形下比对时间序列的关注更具有价值。但是,尽管如此,复杂科学领域的学者所完成的研究结果到目前为止还只是初级的探索,离完整准确地展示出危机发生的全景图还有很大的距离,一些根本性地理论问题还没有得到很好的解决。

要理解金融危机,首先要澄清它是怎样累积而成的,又是如何爆发的。要回答这些问题,只是模仿破产在静态网络上的传染是远远不够的,还必须要从内生演化的角度解释网络的连接是如何一步步趋向致密的,而高杠杆率的个体其资产负债表又为何必然走向恶化的!而要进一步探究这些问题,只是利用基于个体的模型分析也是难以奏效的,还需要从宏观的角度回答金融体系自身是如何运行的,它又是如何影响整个经济体系的。对这些问题的思考一定会把我们带到经济理论的根本问题,那就是货币的本质是什么,信用是如何创造出来的,资本和债务是如何影响经济运行的。这些问题本来应该由经济学家来给出答案,可是主流经济学一直没有对此给予应有的关注,而复杂性科学还没有意识到它们的重要性,到目前为止,只有少数非主流经济学者在默默地开展这个基础性的研究。然而,只有回答了这些问题,我们才能从根本上理解金融危机及其引发的经济衰退的形成机理,才能最终提出防范和应对金融危机的有效措施。

即使我们已经有了完备的理论体系,一个困扰那些正在致力于应用复杂理论分析经济金融系统的学者的难题是构建真实网络所需要的数据还没有可靠的获得途径,使得用以搭建监督金融体系的运行和生成及时有效的危机预警信号的尝试暂时还无法投入实践。这个无疑是需要政府部门或金融行业协会出手协调才可。除此之外,这个课题也充分体现了学科交叉的必要性!理论和实验经济学将提供微观行为基础,复杂性科学来提供网络观点和系统建模的方法,计算机科学要提供数据处理和平台构建技术,只有这样跨学科的密切合作,才能共同搭建起整个仪表盘平台,真正达成复杂科学家在经济金融大有作为的愿景!为了这个愿景,正如作者们最后强调的那样,需要投入到这个平台过足够多的研究经费和人力资源。我们相信,在这个研究方向上的投入必将在关键时刻因为能够避免惨烈的崩塌而带来不可估量的回报,再多也是值得的。