1.4 金融风险管理中的信息不对称
现代金融理论的主要组成部分——完全理性的决策者假设，虽然在理论上很直观、很容易理解，但是过于完美而无法实现。因此，行为经济学家抨击了这一观点，认为人们做决策并非总是理性的，很多时候决策就像平常说话一样随便，心理学在决策过程中起着关键作用：
做决策就像平常说话一样，无论有意还是无意，人们每时每刻都在做着这些事。这实在没什么好惊讶的，而决策的主题涉及各个方面，从数学、统计学，到经济学、政治学以及社会学和心理学[7]。
——丹尼尔·卡尼曼和阿莫斯·特沃斯基
[7] 译者注：此处内容并非译者翻译，直接引用《选择、价值与决策》一书的观点。
完全理性的决策者假设无法实现的另一个原因是信息不对称对融资成本和组织估值的影响很大，因此信息不对称和金融风险管理是相辅相成的。也就是说，组织资产估值的不确定性可能会提高借贷成本，从而对组织的可持续性构成威胁。
可见，我们必须从人类的本能去思考那些导致市场失灵的因素。其中，逆向选择和道德风险是导致市场失灵的两个明显因素。
1.4.1 逆向选择
逆向选择是信息不对称的一种，其中一方试图利用其信息优势占取另一方的便宜。当卖家比买家更了解产品情况时，就会出现这种情况。这种现象称为“柠檬市场”，即次品市场（柠檬在美国俚语中指“残次品”或“不中用的东西”），又称阿克洛夫模型，因为是著名经济学家乔治·阿克洛夫在其论文“The Market for Lemons”中提出的。
阿克洛夫在其论文中假设了一个劣质和优质汽车都有的市场，即使卖家说得天花乱坠，买家也不太相信卖家的话，因为他们知道很可能会购买到劣质车，。买家唯一的办法就是压低价格以避免信息不对称所带来的损失风险。买家提出的过低的价格也使卖家不愿意提供高质量的产品，从而导致低质品充斥市场，高质品被逐出市场，最终导致整个市场萎缩。
由于逆向选择的复杂性和不透明性，金融危机前的抵押贷款市场是用于讲解逆向选择的一个很好的例子。借款人比贷款人更了解他们的支付意愿和能力。金融风险是通过贷款的证券化（即基于抵押贷款的证券产品）产生的。从那时起，信息越来越不对称，最终导致整个市场像前面例子中的汽车市场一样萎缩崩溃[8]。
[8] 译者注：这个说法虽然不严谨，但是从某个角度讲，还是有道理的。
现在，我们用Python对逆向选择进行建模。由于在保险行业很容易观察到逆向选择，所以将以保险行业为例建模逆向选择。
我们假设消费者效用函数为：
其中，x表示收入，希腊字母γ对应后面代码中的gamma（In [11]）。
消费者效用函数是一种用来表示消费者对商品和服务偏好的工具，它与风险厌恶者和风险喜好者相关[9]。
[9] 译者注：搜索关键词“效用函数与风险厌恶”，了解相关信息。
我们将从均匀分布中随机采样（In [12]）。
我们假设收入为2美元，出事故后出险成本为1.5美元（In [14]）。
最后，定义保险供给和保险需求函数（In [15]和In [16]）：
In [10]: import matplotlib.pyplot as plt
import numpy as np
plt.style.use('seaborn')
In [11]: def utility(x):
return(np.exp(x ** gamma)) ❶
In [12]: pi = np.random.uniform(0,1,20)
pi = np.sort(pi) ❷
In [13]: print('The highest three probability of losses are {}'
.format(pi[-3:])) ❸
The highest three probability of losses are [0.834261 0.93542452
0.97721866]
In [14]: y = 2
c = 1.5
Q = 5
D = 0.01
gamma = 0.4
In [15]: def supply(Q):
return(np.mean(pi[-Q:]) * c) ❹
In [16]: def demand(D):
return(np.sum(utility(y - D) > pi * utility(y - c) + (1 - pi)
* utility(y))) ❺
In [17]: plt.figure()
plt.plot([demand(i) for i in np.arange(0, 1.9, 0.02)],
np.arange(0, 1.9, 0.02),
'r', label='insurance demand')
plt.plot(range(1,21), [supply(j) for j in range(1,21)],
'g', label='insurance supply')
plt.ylabel("Average Cost")
plt.xlabel("Number of People")
plt.legend()
plt.show()
❶ 定义消费者效用函数。
❷ 从均匀分布中随机采样。
❸ 选择最后3个样本。
❹ 定义保险供给函数。
❺ 定义保险需求函数。
结果如图1-2所示[10]。我们可以看到，供求两条曲线都是向下倾斜的，这体现了信息不对称会导致保险市场像前面例子中的汽车市场一样，价格不断降低，市场逐渐萎缩[11]。
[10] 译者注：代码使用了随机数，所以读者的代码运行结果可能与图1-2不一致，但是原理是一样的。
[11] 译者注：这个说法不严谨，但是实现了用最少代码量和篇幅讲解逆向选择的目的。
图1-2 逆向选择
1.4.2 道德风险
除了逆向选择，另一个因素是道德风险。道德风险和逆向选择一样，其根本原因都是信息不对称。我们可以从信贷市场上找到一个简单的例子：假设实体A向银行B申请贷款用于银行B认为可行的项目，但是实体A将这笔贷款用于支付银行C的信贷债务，而没有事先通知银行B，这就会产生道德风险。从这个例子可以看到，由于信息不对称，银行可能会遇到道德风险，从而降低银行的贷款欲望，这也是银行在信贷配置过程中不得不投入大量人力的原因之一。