吉宁讲师观点 / 培训讲师谈管理 / 培训讲师谈管理:规避风险 明智创新

培训讲师谈管理:规避风险 明智创新

企业培训师吉宁 2015年12月12日 培训讲师谈管理

产品和服务的创新,是为了让人们能完成过去不可能完成的工作,或者让人们更好地完成工作。但创新同样会带来风险。一项创新的风险在很大程度上取决于人们使用这些创新时做出的选择。

问自己这样一个问题:当你不得不在暴风雪中驾车从波士顿去纽约时,你会不会认为四轮驱动的车辆比两轮驱动的更安全?在大多情况下,人们都会选择四轮驱动。但是如果你看一看交通事故的统计数据,就会发现四轮驱动技术的出现并没有大幅提升人们的驾驶安全,雪天的交通事故率(事故/乘客x英里)依旧居高不下。你或许会因此得出结论:创新并未让人在雪天驾车更安全。

造成这种情况的原因,并非是创新无法提升驾驶安全。真实情况是,由于人们感觉更安全,所以改变了驾驶习惯:雪天的出行率上升,并且驾驶员也不像以前那样谨慎驾驶。如果我们所有人都能按照四轮驱动技术出现前的行驶速度和出行次数驾车去纽约,四轮驱动技术肯定会大幅提高驾驶的安全系数;否则如果我们所有人都提高了驾驶速度,那么我们面临的风险并未降低。从本质上讲,在应用创新时,人们自觉地或无意地在降低风险与提高性能之间做出了选择。

如果说创新风险取决于人们做出的选择,那么人们获得的信息越多,选择的自觉性越高,创新的风险也就越低。但是当公司和政策制定者思考创新带来的后果——对人们的取舍和行为习惯产生的影响,他们必须要考虑创新风险计算模型的自身局限,因为人们会依靠这些模型做出新的选择。我们会发现,有些计算模型有严重缺陷,应该被完全放弃,而另一些模型则还有改进空间。还有些模型只有几种特定的应用形式;有些模型的使用者必须是经验丰富的专业人士。经验显示,即便采用恰当的创新计算模型,在风险与性能之间找到正确的平衡,我们也几乎无法评估人们行为习惯的变化所带来的影响,而这些影响还会改变其他选择和行为的风险性。这些受影响的选择和行为有可能是我们自身的,也有可能是他人的,并且常常出现在不相关的领域内。这其实是“无意识后果”的老生常谈。越复杂系统内的创新,造成无意识后果的可能性和严重程度就越高。实际上,一项创新带来的很多风险并不源于创新本身,而来自于引入这些创新的基础设施。

从根本上讲,任何一项创新都会改变人们在风险和回报之间做出的权衡。要将风险最小化,避免无意识后果,使用者、公司和政策制定者等各方都需要了解如何获得相关信息并做出关于新产品、新服务的明智选择。他们应遵循以下五项基本规则。

重要的心理模型

当你采用新产品或新技术时,你需要计算其可能的回报和风险,并做出相应的选择,认知科学家将这种行为称为心理模型(Mental Model)。回到驾车去纽约的例子,你可能会这样想:我无法控制旅行中可能产生的所有风险,但我可以选择驾驶的车辆和驾驶速度。这就是一个简单的心理模型,它用来评估驾驶风险和性能之间的权衡。如果用一幅简单的图表来表示,横轴应该是驾驶的车型和车速,纵轴代表驾驶的安全性。

当然,这是一个极度简化的例子。安全和速度之间的关系还要取决于其他变量,例如天气、道路条件、交通流量、其他车辆的速度,其中很多变量不可控。要做出正确的选择,你需要准确地掌握所有变量与你自己车速之间的关系。当然,引入的变量越多,评估某一特定车速与风险之间的关系就越复杂。为了准确地进行评估,你需要汇集所有的数据,预估所有变量的变化参数,并掌握所有变量之间的互动关系。

面对现实生活中的变化时,人们所应用的大多数模型已下意识地融入到我们的思维中。即便在今天,当驾驶车辆时,我们会条件反射式地求助于那些不甚准确但根深蒂固的心理模型,其中变量之间的关系是通过经验推测获得。但随着计算机技术的出现,在越来越多的活动中,传统人类认知所扮演的角色正逐渐被数学建模所取代。当你乘坐航班飞跃大西洋时,大部分的飞行过程都由计算机操控。计算机对航速、高度和航线的“选择”基于数学模型,这些模型不断地处理输入参数,其中包括位置、气压、飞机重量、位置、风速等一系列变量。现在计算机驾驶技术已先进到可以控制飞机的降落。

金融领域和飞机驾驶一样。20世纪70年代,我参与开发了布莱克-舒尔斯期权定价模型。该模型评估外部因素与购买某项特定资产期权价格之间的关系。这些因素是可量化且可观察的,具体来说就是资产价格、价格波动性、利率和期权有效期等因素。金融机构普遍采用类似的缜密模型,这样计算机就可以自动执行交易。举例来说,你可以事先编程,而后当程序观测到市场实际价格与布莱克-舒尔斯期权定价模型或其他估值模型计算出的数据发生偏离时,计算机便会自动下单购买/出售股票或期权。

我们似乎可以有充分的理由去假设:模型包含的变量越多,对一项创新风险的评估就越准确。这揭示了数学建模大受追捧的原因,特别是在技术和金融创新中。很多模型也的确发挥了重要作用。实践证明,以布莱克-舒尔斯模型核心方法为基础的各类衍生模型是有效的;即便是简化过的模型也能预测期权和其他金融衍生品价值的变化趋势。但是,当你对自己的评估信心满满时,你就需要提高警惕了。

承认局限性

不管是金融定价系统还是飞机的自动驾驶功能,在创建和使用模型时,了解错误模型与不完整模型之间的区别至关重要。

错误模型是指那些内部逻辑或基本假设有明显错误的模型,例如,一个计算圆周长的数学模型将圆周率的值设定为4.14。当然,这并不代表所有的错误都像这个例子一样显而易见。假设飞机导航系统错将纽约拉瓜迪亚机场的位置设定在波士顿,除非飞机要飞往该机场,否则人们可能无法察觉错误。一旦发现模型基于一个完全错误的假设,那么唯一明智的选择就是弃之不用。

不完整性则是一个完全不同的问题,它是所有模型都具备的特性。澳裔美籍数学家库尔特·哥德尔(Kurt Gödel)曾论证,如果将模型视为是现实的完美还原,那么就不会存在正确的模型。圆周率在模型中被设定为3.14并非错误,它是不完整的。将圆周率设定为3.14159,该模型的不完整性就降低了。值得注意的是,不完整性低的模型并没有完全替代之前的模型,而是在后者基础上的改进版。因此基本模型无需被遗弃,而应该被完善。

对于科学家来说,了解错误与不完整性之间的区别至关重要,因为他们是模型的开发者。这些模型反映现实情况,并帮助我们做出预测。通过对模型工作的分析和对模型假设的测试,他们不断否定并废弃那些错误模型。幸存下来的模型被认为是可以进行改进的不完整模型,而不是错误模型。布莱克-舒尔斯模型是不完整模型,但其核心方法的应用早已超过其本身;近年来不断涌现出新的期权估值模型,它们更专业,引入了更多的变量,假设也更加确切。

总而言之,除非一个模型的数学公式发生重大冲突或假设出现错误,否则我们应该对模型进行改进而不是全盘否定。知易行难,要做到这一点绝非易事,这也是我们面临的下一个挑战。

准备不时之需

即便穷尽最大的努力与智慧,模型还是会不可避免地忽略一些因素。没有人能预测出创新可能带来的所有结果,不管它在事后看起来多明显。当创新与环境中的其他变化相互影响时,这种情况尤为普遍,因为这些变化互不相关,所以不被视为风险因素。

2007年到2009年的金融危机是这种无意识后果的最好诠释。房贷市场的创新大幅度降低了房地产交易成本。人们不仅可以更便捷地购买房屋,还可以方便地增加按揭额度或对按揭进行再融资。人们完全可以用债务置换房产中的权益,把释放出来的现金用于度假、买车和购置其他心仪的产品和服务。这种行为完全是一种个人选择,其本身并无对错之分。

这些房贷创新的有意识结果或者说良性结果,是使这种低成本的融资选择更易获得。但它们同时带来了无意识结果。金融创新产生的变化恰好与两种良性经济趋势相遇:不断下降的利率和稳步上升的房价。在这种罕见的情况下,过多的房屋业主被鼓动,在同一时间对他们的按揭进行再融资,用低利率的长期贷款置换资产,从他们的物业中抽出大量权益。

这种趋势形成了一种恶性循环——不断上涨的房价增加了业主的权益,而这些权益又被抽出用于消费。房贷持有者不断地重复这种循环。随着这种趋势不断发展,房屋业主开始视权益抽出为一种支持消费的常规融资方式。实际上这种方式应该是偶发之举,只用于大额的采购和投资。通常当房价上涨时,房屋业主的杠杆率应该随时间下降。但是由于这种趋势,各个年代房屋购买者的杠杆率都在不断攀升,并常常会达到新近房屋购买者的杠杆率。

高效的贷款再融资市场、低利率和不断上升的房价,如果缺少其中的任何一个条件,都不会出现如此大规模的再杠杆现象。但由于这三个条件的重合,在金融危机爆发之前的十年中,大量的美国房屋业主进行了再融资。这样做的结果是:当房价下跌时,很多进行再融资的业主暴露在巨大的风险之下,这形成了一种系统性风险。

房主累积风险的能力与消除风险的能力之间存在着不对称性(Asymmetry),这使得风险更加难以规避。当房价上升时,房主很容易获得不断增加的贷款,因为房屋的价值不断上涨,它抵押的贷款就可以不断增加。但当这种趋势逆转,房屋价格降低时,业主的杠杆率和风险就会提高,而他们的资产价值会快速缩水。当房主察觉到这种情况,想重新找回平衡,降低风险水平时,他们才会发现这种不对称性:他们没有可行的方法来逐步减少贷款。他们只有两种选择,出售整个房屋或坐以待毙,因为房屋无法部分出售。由于房屋的不可分割性,业主通常会束手等待,期盼着房价能恢复上涨或至少停止下跌。但如果房价继续下跌,业主最终会无法承受巨大的财务压力,被迫出售房屋。这时,房地产市场会出现大量待售房屋,价格下跌的趋势更加难以扭转。在这种情况下,按揭市场会变得极度脆弱,即便是一次房价温和下跌或利率小幅上涨都可能成为最后一根稻草。这正是金融危机发生的情景。

让我再次重申产生风险的三个条件:高效的再融资市场、不断降低的利率和上升的房价。单独看任何一个条件都是良性的,很难想象哪个监管机构会对任一条件亮出红牌。例如,为应对2000年爆发的互联网泡沫、9/11恐怖袭击和经济衰退带来的威胁,美联储就曾系统性地降低其利率——极具指向性的联邦基金利率。从2000年5月到2003年6月,联邦基金利率从6.5%降至1%,这刺激了按揭再融资市场和其相关渠道的发展。这种趋势一直延续到2007年,低利率和新的贷款产品让更多的家庭可以购买那些先前无法负担的房屋,推动了房价的上涨;不断上升的房价给房主带来了大量权益;高效的再融资市场让房主将这些权益套现,从而刺激了消费者需求并推动了整体经济发展。政界人士和监管机构怎可能会打断这样的良性循环?

了解用途和使用者

让我们假设你建立了一个完全正确的模型,它既不违反自然法则,也不违背无套利原则(No-arbitrage),并且它不含任何有明显缺陷的假设;让我们再假设,这个模型的完整度比任何现有模型都高。即便在这样的情况下,你也无法保证该模型合适,因为一个模型的功能不仅取决于模型本身,还取决于使用者和用途。

首先讨论应用的问题。举个简单的例子,你不会开一辆跑车去越野,也不会开越野车在高速公路上飙车。类似地,布莱克-舒尔斯模型并不适用于超高速期权交易,因为它需要实时的价格数据;高速期权交易使用的估值模型则无法评估高管股票期权的价值,因为这需要涉及一些普遍的会计原则。模型工作的透明度至关重要,这样模型才可以为不同机构所用,其运算结果才可以重复产生并被不断验证。布莱克-舒尔斯模型就提供了必需的标准性和可复制性,因为它只需要输入有限数量的变量,而且这些变量的估值都会出现在公开的财务报告中。

如果模型的使用者不了解模型本身和其局限性,那么该模型就是不可靠的。对于大部分高中生来说,22/7作为圆周长计算模型的圆周率系数是合理的。模型的计算结果将会精确到小数点后两位,通常这对高中级别的作业已经足够了。给学生提供一个复杂得多的模型无异于让他们开法拉利上学。他们很可能将豪车撞毁,而且学生也不需要这么快地赶到学校。

在思考模型的使用者和用途时,你常常需要重新考虑特定工作需要的个人素质。例如在电影《壮志凌云》中,汤姆·克鲁斯饰演了一位飞行英雄。对于大多数人,他所扮演的角色就是理想战斗机飞行员的化身:勇敢无畏,敢于挑战规则,按自己的直觉和经验飞行,而不是依靠先进设备。哈里森·福特在《星球大战》中扮演的韩索罗也是同样的英雄模版。但实际上,现代战斗机发挥最佳性能必须要依靠特定的计算机程序。这些程序能对外界环境在每一微秒内的变化做出反应,这是人力无法企及的。实际上,将一套价值上亿美元的航空计算机系统交给一位按直觉行事的飞行英雄风险巨大。更佳的人选应该是电脑极客,他们对系统了如指掌,训练有素,能迅速发现系统工作的异常之处,因为在现代空战中,最好的策略是一击脱离而不是纠缠到底。

这里的重点不是讨论天才飞行员与电脑高手孰强孰弱。这个例子是为了表明:必须通过模型、应用和使用者三个层面,才能对模型进行有意义的评估。如果使用者不称职,一个更完整、更先进的模型可能比一个较原始的模型带来的风险更大。最近的美国信用评级危机就是一个鲜活的例子。有太多投资经理人误用了信用评估模型,以至于他们在3A级债券上的投资蒙受了巨大的损失(详见“信用评级:不为人知的一面”)。

信用等级

 检查基础设施

最后,在思考创新的结果时,我们要意识到,创新的回报和风险不但取决于人们在使用创新时做出的选择,而且在很大程度上取决于引入创新的基础设施。创新者和政策制定者尤其要注意这方面的风险。假设你想要在铁路系统中引入高速客运列车,但是目前的铁路系统无法达到速度要求,但不管是由于疏忽大意还是过于大胆,你最终还是选择引入高速列车。结果列车发生事故,乘客付出惨重代价。更糟糕的是,铁轨也可能被损坏,所有使用铁路系统的人都会受到影响:人们无法按时上班,医院无法接收新设备等等。

所以,铁路系统管理者首先要保证,铁轨能万无一失地承载高速列车的运行。那么他们应采取什么措施?最简单也最快捷的应对措施是引入最高速度限制。但如果人们一成不变地采取这种措施,铁路运输业永远得不到发展:既然速度限制雷打不动,我们开发高速列车又有何用?

一个更好的解决方案是升级铁轨,同时设置速度限制,直到产品和基础设施的技术水平达到平衡。不幸的是,现实世界中很多问题无法找到这样简单的解决方案,因为高速列车是极为成功的创新,人们愿意为之改善现有的基础设施。但像高速列车这样明显的技术创新少之又少。在一些行业中,创新的节奏很快,而且这些创新的失败率很高,因此频繁改进基础设施以容纳每一次创新并不现实。此外,即便是成功的创新,有时其生命力也很短,无法和高速列车的生命周期相比。要跟上这些创新,就要不停的更新基础设施。

现实世界中,基础设施的变化往往落后于产品和服务的变化,这种不平衡常常成为主要的风险来源。在金融界,这种现象屡见不鲜。1970年的美国大牛市中,涌向股票公司办公室的交易订单达到了史无前例的数量,而当时的订单处理技术完全无法满足需求。很多股票经纪公司的证券交易系统濒临崩溃。滞后的订单意味着股票公司和交易者都无法获得完整的股价信息,甚至很多时候收到错误的信息。这次系统崩溃甚至导致一些机构破产。

几家大型股票经纪公司协同一致,达成了一个临时解决方案——在一段时期内限制股票交易时间,这样各家公司就实现了订单处理的供需平衡。直到股票经纪公司和交易所在新的数据处理技术上砸下血本,问题才得以彻底解决。在此个案中,尽管没有政府干预,基础设施的问题也得到了解决。但是,如果类似强度的股票交易问题发生在今天,政府的干预就必不可少了,因为现在全球各地金融中介机构和交易所(包括股票衍生品交易所)的数量太多,达成自愿协同的难度太高。

产品服务创新与基础设施创新之间的不平衡会产生风险,而这种风险会变得日益复杂——新产品和新服务在诞生后会持续进化,并且这种进化会对基础设施产生影响。例如银行或经纪公司在金融市场中推出一款定制产品。随着需求的不断增加,产品迅速从而完成标准化,并开始通过交易所机制直接出售给普通用户,大大降低了交易成本。

这就是50年前,共同基金日渐流行时的情形。在共同基金诞生之前,散户要建立一个分散的投资组合,唯一的方法是在交易所购买一组不同的股票。对于个人投资者,这样做的成本太高,难度也太大,因为当时的交易成本非常高,想买入的股票的批量又常常规模太大,投资者购入后完全达不到分散投资的目的。像共同基金这样的集资型金融中介解决了这些问题,个人投资者也能建立分散性高的投资组合。现在新的创新甚至允许人们对数量繁多的股票指数进行交易,无论是国内的还是国外的指数。这些交易所产品使交易成本变得更低,进一步提高了投资的国内分散度和国际分散度。此外,这些创新还让投资者在杠杆选择和风险控制方面有更高的灵活度。特别是股指期货的诞生,人们可以将交易所交易期权纳入投资组合。最近中介结构开始利用股票回报互换开发定制合约,针对股票指数、投资期限(Investment Time Horizon)甚至币种组合设定支付条件。

最初个人投资者分散投资的方法是购买不同公司的股票。通过创新,像共同基金这样的中介机构替代了这种原始的方式。股指期货的出现让人们又能直接与市场接触。现在我们又看到了交易所交易基金这样的创新,人们可以在交易所购买分散的投资组合。

当然这种活跃的创新趋势是有风险的,那就是人们很难判断基础设需要在何时改进。即便基础设施的改进能够赶上新产品推出,你也会发现这些改进会很快失效,因为这些产品的销售者、渠道、买家和购买目的都会发生变化。不仅是产品和服务创新,连基础设施变化自身都会带来无意识后果,这让问题变得更加复杂。

要充分评估一项创新带来的风险,我们需要对创新后果进行仔细的建模。但是,我们建模的能力毕竟有限,无法捕捉所有层面的风险。创新永远都可能产生无意识后果,而模型在本质上只能不完整地反映复杂的现实世界。模型的作用还受限于使用者的能力,它们常常被误用。最后我们要认识到,很多创新风险来自于引进创新的基础设施。在复杂、快速变化的行业中,例如IT和金融业,我们很难判断创新对基础设施产生的影响。

任何创新都会涉及对未知领域的探索,如果要取得进步,我们必须接受这样的现实并进行相应的管理。(译/安健 校/方颖 戴险峰)

About 企业培训师吉宁

真正的实战派企业培训师,长期致力于人力资本、公司行为、市场营销、企业战略及领导力发展等组织实践与研究,数十年来参与及主持过的管理咨询项目累计逾千次;受邀主讲过的各类企业培训课程累计逾万次。吉宁老师还主导编写了12Reads系列等知名管理培训教材。