第二，按揭贷款债券【CMO】的核心难题：业主提前偿还本金的速度。或许未来几年里利率下降了，你可以重新申请一份利息更低的贷款提前还掉老的贷款；又或许你换了新的工作，换了新的老婆，换了新的城市，你决定卖掉现有的房子还了贷款，买套新的；又或者也没什么原因，你就是喜欢勒紧裤腰带憋出每一个子儿来早日还清贷款。如果一个按揭贷款池里面提前还贷的数量大到一定程度，某些按揭贷款抵押债券的投资者就可能会蒙受巨大的损失。例如，一旦所有贷款都提前偿还了本金，利息票据的投资者将再也拿不到一个子儿，这时候无论怎样花哨的会计制度都会告诉你，你的投资一文不值。提前偿还模型是房贷结构性产品的风险核心，上下3个百分点的速度快慢结合庞大的房贷结构性产品市场不但极大地影响着一层套一层的产品的市场价值，同时会引发巨大的对冲衍生产品的资金流。因此，光是这一个“提前还贷”的模型，每个大投行至少有几个博士在研究，还要至少购买两个第三方独立模型做参考。华尔街三大“提前还贷”模型提供商每年收走的模型费就达上亿美元。虽然各个模型都有自称的“原创性”，即模型的参数，也就是影响提前还贷的因素，但公认的有几十个：现行贷款利率，房产价格和流通性，贷款年龄，季节因素等等。模型的根本也还是统计模型，只能靠海量堆积的“‘数’海战术”进行实证研究。
第三，信用模型，研究和预测在未来的各个时间点贷款池拖延和违约支付的比率，以及在出现违约之后贷款商所承受的累计损失。利率，房价，业主未来收入水平，未来就业率，经济环境等等一切你能想象到的微观和宏观的因素统统都被这个模型，被考虑在内。挑选影响因素并不难，难点在于估算这些因素对最终结果的影响参数。估算各因素的影响参数通常有两种方式，实证归纳和市场推算，但是实证归纳在次贷领域有致命的历史数据缺乏的缺陷；市场推算模型也不那么行得通，因为贷款抵押债券没有集中的交易中心和透明的报价体系。华尔街在各自装模作样建模的同时，还是一致看齐标准普尔公司、穆迪等评级机构的比自己简单100倍、以百年公司债券模型为基础的模型。
第四，折现率负责将以上模型计算出来的未来现金流按照货币时间价值原理折算成当前现值。在计算未来现金流现值时，上面的模型负责计算分子“未来现金流”，折现率则是分母。静态折现率直观透明但缺乏足够的说服力；动态折现率理论上天衣无缝，实际操作起来却漏洞百出，具有极大的模型依赖性：同一个债券，同一个时间，不同银行的不通模型算出来的完全没有可比性。
最后，将“一个中心，四个基本点”串在一起的是无所不能的“蒙特卡罗随机模拟”，这个早年运用在核武器量子热力学中的随机算法。它负责根据短期利率模型计算出来的利率分布，通过500～3000种随机抽样和不断产生的随机数，来计算每种随机产生出来的利率情况下产品的不同价值，最后再根据概率算出这些??机产生的不同价值的平均数。“蒙特卡罗随机模拟”代表着华尔街最伟大的“科学”生产力之一，基本结束了俄罗斯人在解方程上的独当一面。了解了模型框架就足够了，里面的血和肉--微分方程和随机过程，交给物理学数学经济学的博士们正好，所谓什么样的脑袋瓜子做什么样的事，究深了发现漏洞百出，究浅了满脑子糨糊。
一直到2006年，不管是高盛，还是摩根士丹利，不管是评级机构，还是独立的研究机构，所有的数学模型，没有人认为面值100美元的次贷债券会只值20美分，更没有人异想天开，认为区区1万亿美元的次贷市场，会给整个金融系统带来什么影响。做模型的高人们，纵观古今，以海量的数据堆砌起来的理论框架，宏伟壮观，令人叹为观止。然而博士们是人，靠实验结果漂不漂亮吃饭。实证数据模型有其本质性的两大缺陷：第一，假设历史不断重复，逐渐加入的近期数据使得实证模型永远跟不上形势，第二，历史数据的缺乏。尽管各家投行都宣称有自己的原创模型，但是自己都知道那只不过是个幌子。“巧妇难为无米之炊”，企业债券有长达百余年的历史数据，而次级贷款的历史数据不到10年，且恰逢美国房价飙升，欣欣向荣的黄金周期；次优级贷款的历史数据就更少，这些数据所传达的信息就更加鼓舞人心。很多更加细分的数据干脆就没有，只能“依葫芦画瓢”找相似的代替。如图6-2所示，如果你站在2007年1月，你的模型能通过之前几乎完全持平、没有太多变动的拖延付款比率预测出2007年夏天之后的图形吗？用这些不充分的，带有极大正向偏见的，甚至不合理的数据作为模型基础，用行话说叫“垃圾进去，垃圾出来”。
博士靠边站
博士出身的风险管理队伍是华尔街一个特殊的群体。博士们不直接为投行创造利润，每日的工作却是“挑衅”那些直接为投行创造利润的前台人员；博士们满腹经纶，独立向公司董事会汇报。然而博士们往往不善表达，公司决策管理层往往又读不懂博士的模型；交易员和其他前台人员没有时间也没有兴趣来研究博士们的模型。风险博士团只好捧着他们的模型在华尔街开辟一片自娱自乐的小天地。博士们研究的是最复杂的“固定收益资产”，换回的是自己的“固定收益”--年景好的时候前台结构专家们的奖金是工资的200%～500%，博士军团则是20%～50%；当年景不好的时候，前台缩水，后台跟着缩水；前台裁员，后台裁得更凶。
2006年下半年，市场情况开始出现预警。首先是风险管理部门的个别人回绝了某个交易员大量买进非投资级别的次贷抵押债券【Subprime ABS】的建议，他拿着厚厚的一叠现金流报告去告诉这个交易员，交易员正扬扬得意地准备以20美分买进来以为捡到大便宜的资产抵押债券，实际上不值5美分。这个交易员是2006年的大功臣之一，一天赚的钱“养”着整个风险小组，而这个人却不知好歹地来告诉他他买亏了，5美分？重算！
成天泡在数据堆里面的研究部门很快发现次贷数据出现不详状况，因为风险管理部门的研究报告在寄给客户之前先要经过公司内部的审批。“下一个大单还没开始卖，你就拿这个模型去吓唬客户？花旗、摩根士丹利谁也没跳出来说明年市场不好，我们为什么要去趟这浑水？”债券销售经纪主管才不管你的研究报告是不是准确，影响到他当年的销售业绩，他就要拉长脸。
到了2007年下半年，各大投行开始吐血冲减次债资产。虽然雷曼的对冲还算成功，对现有的模型参数假设稍做更保守的调整，盯市价值也会缩水一截。这时，产品控制部门站出来说话了。负责计算“剩余债券”价值的小组，有人认为“剩余债券”的价值已经接近为零。然而，这个小组自己的年终奖金与身家性命直接和这个产品的表现息息相关。早一天把这些剩余债券冲减为零，就早一天使这个产品从投行的资产负债表中消失，自己也就早一天丢掉饭碗！
在交易大厅，一个人的地位和权利与他的头衔学历无关，而是完全取决于这个人和他的团队赚钱的能力。投行的前台永远是说话最大声、腰杆最硬的群体，就算是跑腿买咖啡、贴贴Excel数据表、本科刚毕业的第一年分析员，他们也根深蒂固地认为是自己养活着中台和后台的博士们。如果你不幸没有成为前台的一员，那么总的来说，离交易大厅越近越好。非前台工作最好的是交易助理，坐在3楼交易大厅交易员的旁边。你要是把首席交易员哄高兴了，很有可能你将从此脱离“模型生涯”，变成对博士们指手画脚的交易员之一；损益计算和产品控制已经不在3楼，但是隔三差五也能和交易员及结构专家们见个面开个会，年景好的时候每年也都有几个人“转战前线”；要是主管告诉你，明年派你去雷曼新泽西的数据中心工作，那你最好撒腿就跑。除非你就是铁了心地热爱模型，铁了心地“视金钱如粪土”，铁了心地“正直忠诚”，不然不论是你还是你的团队，维持与交易大厅的良好关系、不要妨碍他们赚钱才是长久之计。
一份博士的“检讨”
然而不得不承认，这个伟大的群体为华尔街做出了巨大的贡献，华尔街崇尚和需要博士们，浩浩荡荡的博士军团也不会因为结构性产品的“暂时”败退而人间蒸发。那接下来的博士们应该在本次结构性产品的兴衰荣辱中看到和学到些什么呢？
一个风险管理博士对次债危机的反思
一直以来，雷曼的风险管理水平在华尔街称王称霸。我们强大的风险管理带我们顺利走过了1998年的俄罗斯债务危机，走过了亚洲金融风暴，走过了网络泡沫。我们的“风险白皮书”机制曾经为世界上很多金融机构树立了学习的典范。作为雷曼一名资深风险管理者，我们的职责是核准信贷申请及由银行前台人员和交易员提交的各类交易。我们还监控和报告全行的资产组合风险状况，并为总体的信贷与市场风险头寸设定限额要求。然而，我们不得不承认，在这次从次债危机到信用危机的过程中，和华尔街上很多其他的投行一样，我们的风险管理是失败了。任何危机的出现都不可能毫无迹象，回过头去想，当时很多问题的苗子已经浮出水面，我们本可以做得更好--
·最大的教训之一是流动性风险在此次次贷危机中没有得到充分定价。无论定价模型还是风险模型，我们几乎模拟了市场风险和信用风险的每一个角落，却完全没有将流动性风险建模和定价。当然还有，我们过去的几年里所看到的是“流动性过剩”而不是“流动性枯竭”。这个从过剩到枯竭的“突然”转变让我们和我们所设计的模型措手不及。
·投行里对风险的传统划分使结构性产品打了一个“擦边球”。几乎华尔街所有的风险管理都划分为市场风险，信用风险，以及近些年出现的操作风险；结构性产品【如抵押债务债券【CDO】和其他资产担保证券】的风险正处于市场和信贷风险的夹层之间。市场风险管理者实际上从未管理过这些产品，他们认为这些产品基本上属于信贷风险产品；而信贷风险部门却把这些产品视为与市场风险有关，因为它们是被记录在交易账簿上的。
·没有“放之四海而皆准”的风险管理原理。从风险管理的观点来看，持有低风险资产【比如说AAA级抵押债务债券【CDO】】，减持高风险资产【比如非投资级别抵押债务债券【CDO】】这一听起来完全正确的策略在抵押债务债券【CDO】这种结构产品上失灵，结果导致了我们在市场上亏损。根据产品和市场本身的特殊性，风险管理的原理也要不断随之调整。
·我们过多地依赖历史和经验数据。对于新兴产品，这种实证模型从第一天起就埋下了祸根。另外，不管出于主观的还是客观的原因，我们太相信评级机构对于结构信贷产品的评级，以及评级机构的模型和方法。
·由于结构性产品被放在交易账簿上，许多产品都避开了应用于银行资产负债表的严格信贷管理程序，使某些本应被发现的问题却未被察觉。
·从根本上说，所有这些都曾经并仍然是决策过程中一个根深蒂固的瑕疵：风险管理部门和业务部门在利益上的冲突，以及风险管理部门所缺乏的真正的制约权力。各种风险因素只在前台业务中占据一小部分内容，而且还总是做了“缓冲”处理。这就使得我们很难阻挡交易。如果某个风险管理者说“不”，他便会立刻与业务部门发生冲突，甚至丢掉饭碗。因此，我们在风险考量时倾向性的做法是：在确定这项交易有什么不当之前，先假设它对风险接受者来说是可行的。
除了极少数结构性产品，比如，合成，几乎所有结构性产品的估值都是用现金流折现的基本方法。
蒙特卡罗随机模拟，也称统计模拟方法，是20世纪40年代中期由于科学技术的发展和电子计算机的发明，而被提出的一种以概率统计理论为指导的一类非常重要的数值计算方法，是指使用随机数【或更常见的伪随机数】来解决很多计算问题的方法。通常蒙特卡罗方法通过构造符合一定规则的随机数来解决数学上的各种问题。对于那些由于计算过于复杂而难以得到解析解??者根本没有解析解的问题，蒙特卡罗方法是一种有效的求出数值解的方法。
从“盯市”到“盯模”到“盯零”--第157号会计准则
2007年第一季度，我们的季度申报上有这样一行小字：“雷曼从2006年12月1日开始，采用美国财务会计准则第157号。由于这个会计准则的变化，2007年第一季度的税前盈利上升7800万美元，税后盈利上升4500万美元。”华尔街这地方，时不时会砸下几个馅饼。
2006年9月，美国财务会计准则委员会正式发表了修改后的《关于将资产及负债调整为市价》的第157号会计准则。按照这个会计准则，公司在编制财务报表时，应按照当时“公允价格”来计算和披露自己的财务信息。美国财务会计准则委员会特别对这个“公允价格”给出了定义：所谓“公允价格”是指“市场参与者在有序的公开市场中出售资产，或者清偿债务能够获得或者需要付出的价格”。与以往的成本价格不同，新的第157号会计准则要求用当前市场上的“脱手价格”来计算公司的资产和负债。而且，准则着重强调，这个“脱手”只是一个假设，并不需要真正实现这个交易。用会计术语，叫做未实现损益。
举个生活上的例子，比如我们在市场上花5美元买来一个鸡蛋，然后也许在某些化学成分里泡了泡，也许在蛋壳上画了点花，再然后添加出一些谁也看不懂的研究报告，说这种鸡蛋的价值远远高于500美元。这时候，奇妙的事情发生了：市场上出现了一堆排着队要花500美元来买鸡蛋的“投资者”。那么到了季末，这个5美元的鸡蛋，在资产负债表上，就应该记为500美元；同时，495美元将计入本月的盈利--即使在这个时候，你并没有真正售出这个鸡蛋。这495美元就是盯市盈利。
考虑到不是所有的金融产品都能够在活跃的公开市场上观察到其价格，美国财务会计准则委员会在准则中对如何衡量“公允价格”构建了一个3层次的评估等级：
【1】第一类资产是指在公开市场上有活跃的交易，而且在公开市场上能够观察到与之完全相同的资产的报价，比如说，IBM的普通流通股；
