主题：【原创】从雷曼的破产谈起【6】曼哈顿工程 -- 定远麾下
家园 这么说还是模型做的不好 而当今的天才们到华尔街去面试的时候，却很少有人愿意直白的承认是因为钱的原因而改行。倘若他们面对的是新东方的俞敏洪董事长，恐怕在这个问题上没有人能过关。
自从房贷抵押债券MBS和债务抵押债券CDO这样的结构化产品诞生以来，这种产品的估值问题一直就是一个很大的问题。流行的模型比如Gaussian Copula已经被市场证明并不能准确的把握被抵押的资产组合中各个对象的相关性。而市面上被交易的产品也因为许多不够透明而使得模型变得非常困难。因而优秀的数学和物理人才在华尔街总是炙手可热的。他们日复一日的从事着模型的推演和改进，以期能够更准备的反应市场价格的变化。
当这些天才们吧目光聚焦在他们引以为傲的模型上的时候，他们却忘了，在模型以外，有很多是他们看不到的。http://www.ccthere.com/article/1813629.html
模型以下，回到最初的源头，房贷上面。华尔街可以去模拟那些违约率和提前付清率，却无法去控制那些天才的销售们。当房市疯狂上升的时候，这些销售们为了自己的佣金，可以提供零首付的贷款，提供前几年没有任何利息的贷款，可以帮助贷款人伪造收入来源。而那些次贷的购房者也往往被销售们描述的美好前景冲昏了头，不再考虑自己的支付能力而急不可耐的要过剩幸福的生活。
模型看来对没有发现的情况束手无策,GIGO,这是老问题,不是模型本身有问题,做模型的人没有了解到的问题模型自然不能解决.做模型的人假定某数据与某参数有某种关系或没有某种关系,模型是解决有某种关系的参数间是哪种关系的工具,但时过境迁,如果某些不存在的关系开始产生,则模型仍在以前假定的基础上运行,自然发生误差甚至可能南辕北辙. 如果假设所有有关数据都可以提供(这也不大可能),存在自学习系统可以自行发现各样的关系并构建相关模型,或至少将这样的关系提供给做模型的人来构建,是不是这样的工具更有价值些?
相信,在许多原来信用等条件不能满足贷款数量而大量出现这样的人可以贷款等情况时,应该有系统可以发现,只不过如果做模型的人没有想到去对其相关数据监控,则想不到的事在这个世上是很多的,出问题是早晚的事.
河里做模型的人应该不少,以上情况有没有可能?
家园 不排除会有一部分天才被一“叶”障了目 那种叶子是绿色的，有金属线的筋....
那种叶子在俺国的农民化学家眼里是红色的...
家园 他们大概在假设上也是出了问题的 搞模型总要有些A事件和B事件概率分布独立之类的假设。虽然模型中也需要大量计算相关性，但仍旧要有些变量是不得不独立分布的，否则模型没法做。但实践证明这些变量并不独立。
家园 次贷危机 对美国的评级机构有没有负面影响？ 花 家园 对了，这一切都可以在英国的历史上找到起源 英国的公债发行改变了传统意义上的杠杆或国家之间的里力量对比公式。
