Jenny2021-04-07 10:51:44

同学你好，这里是解释了两个模型风险的来源中的各一个小点：
1. 模型本身相关的问题（fundamental error）
比如将复杂的问题过分简化，举个例子，很多模型为了便于研究，往往会做非常多的假设，像是假设标的资产的分布是恒定不变的，比如恒定的均值或者标准差，这种假设比较强烈，可能存在问题。对于不同资产的分布，建模的时候我们会发现，如果长期采用同样的均值和标准差来建模的话，可能会出现肥尾的情况，之所以会出现肥尾，是因为在一段时间内，整个实际的数据的波动率是在不断变化的，而用单一的确定均值和标准差的分布去建模可能会出现肥尾的问题，这个时候如果要更好去建模这种情况，可以采用体制转换的模型，在不同的波动率的情况下用不同的正态分布去进行建模，这样就可以规避肥尾出现的情况。
2. 模型使用相关的问题
部分模型由于模型本身对于现实世界过分简化，在并不适合用于实际预测，否则可能会产生模型风险。比如说，我们用CAPM模型预测资产收益率，假设资产只和市场因子相关，在实际运用的时候就发现，会有一些anomaly return（比如异常或者超额收益）是没有办法解释的。

这两个地方有点相似，但是前面更侧重于模型本身建立时的一些错误的基本设定。而后面是更侧重于应用，也就是模型本身的设定是没问题的，但可能只适用于理论研究，不适用于实际运用。