达米安·汉兹(Damian Handzy)获得了核物理博士学位，但他表示，金融市场远比质子更难理解。现年46岁的Handzy是纽约Investor Analytics公司的联合创始人、董事长兼首席执行官，该公司成立于1999年，为投资公司提供风险管理软件和服务。自那以后，Handzy目睹了风险管理领域的巨大发展，尤其是在2008年金融危机及其随之而来的流动性冲击令许多资产管理公司措手不及之后。
他表示，危机爆发后，投资公司大大改进了风险管理方法，这一举措在全球市场近期动荡的情况下对它们起到了良好的作用。但全球金融体系的绝对复杂性意味着，在市场参与者真正开始理解并衡量隐藏在阴影中的危险之前，还有一段路要走。
1.你花了很多时间和基金经理交谈。他们现在关注的头号风险是什么?
第一个话题是流动性风险，有不同的类型。基金的基金与它们的经理捆绑在一起——这就是客户经理的流动性风险。基金经理也有两种不同类型的风险:一是基础投资的流动性，二是必须管理投资者的流动性条款。
那么你就有了流动的替代基金。液体alt那些通过流动市场复制对冲基金般回报的公司面临着与典型对冲基金相同的风险。目前，流动性市场的流动性仍有降低的风险；市场关闭时会出现技术性的停顿，还有五个小时的流动性不足。这些事情确实发生了，无论是流动性alt基金还是共同基金，风险都存在。
部分流动性替代基金面临的特殊风险是，相对于其基础投资，它们向投资者提供了优先的流动性条款。这是一个非常危险的处境。当流动性枯竭时，这是一个非常迅速的事件。就像在压路机前捡硬币一样。这是定量风险管理的一个陷阱。
2.与2008年金融危机之前相比，如今人们在风险管理方面有哪些不同之处？
风险管理领域比2007年和2008年成熟得多。我看到人们更深入地探究，以确认、验证和发现评估风险方式的缺陷。这对整个行业来说非常重要，也是非常健康的。任何依靠一个模型得到一个数字的人都应该得到他们所得到的。没有一种工具是每个人都在使用的。
今天我看到人们做了很多不同类型的压力测试，在哲学上更加复杂，而在数学上则不那么复杂。他们明白模型不是水晶球，他们明白他们必须看五个、十个、十五个不同的模型才能得到真实的画面。所以，我对风险管理理念和方法的复杂性的提高感到兴奋。我也很高兴这些模型在数学上没有那么微小的变化。
3.你什么意思?
人们并没有放弃复杂的模型。我的意思是，在模型爱好者中，有一种风险，他们想要用复杂的数学和复杂的建模技术制作出数学上优雅、理论上合理的模型。从理论家的角度来看，为了使模型变得优雅而漂亮，人们必须做出的假设，往往与肮脏的市场中的现实不符。通过放松建模中的一些假设，您必然不再拥有一个优雅的模型，因为优雅需要某些假设。
以[landmark期权定价模型]Black-Scholes为例。模型中有一系列不切实际的假设——例如，不存在交易成本，波动性是恒定的，人们可以立即获得相同的信息。这些都不是真的，但你必须假设这三个都是真的，才能解出布莱克-斯科尔斯方程。
在过去的几年里,这一趋势一直继续使用一些非常复杂的模型,还介绍一些非常简单的模型,你没有这些详细的假设和完全解决这个问题,但是你放松一些假设,使用一些coarser-grain近似模型和解决问题。当你这样做的时候，你知道你的视野会有点模糊，但你能看到更多的图片。
4.您如何评估当前风险管理实践的状态？
有些东西是我们擅长的，有些东西是我们不擅长的，而这正是你能得到的。传染和相互关系的转移是我们不擅长的。我们不擅长于此，因为人类大脑擅长于模式识别，而且它非常擅长识别它以前经历过的模式。人类对支持我们信仰的证据的重视程度超过了对与我们信仰相矛盾的证据的重视程度。神经科学已经毫无疑问地证明了这一点。它影响着我们所有人；它会影响风险管理者。人们自然倾向于只关注我们以前看到的那些风险。
作为一个行业，我们已经开始着手解决这个问题。我刚和一个客户谈过这个问题，他想知道，“有什么是我不想要的?”我今天收到了这些问题。这个问题的存在是令人敬畏的。说明我们走对了路。当你甚至没有意识到你的方法有偏见的事实时，你就没有希望摆脱这种偏见。
5.风险管理的下一步是什么？您认为有哪些新的方法和模型是有希望的？
在我看来，金融风险管理最直接的希望是机器学习. 如果你愿意，可以称之为人工智能，但它基本上是使用一种结构化、系统化的方法，通过各种统计手段来探索数据，看看数据是怎么说的。
实际上，你从一个假设开始，假设数据下面发生了什么，然后让计算机修改你的假设。这就像达尔文进化论——适者生存。首先，计算机会生成模型的50个突变，它会看到哪些随机突变效果更好；让我们从这个开始，然后重复这个过程。你会一直坚持下去，直到你得到了真正描述手头数据的东西。当你有这么多的数据，可以用一个迭代的计算机解决方案来解决它，它会一次又一次地改进自己，不需要很长时间就能从中得到一些有用的工具。
当你认为自己大致掌握了答案，并想深入了解答案时，这是非常好的。例如，它非常擅长识别因子模型。它还擅长描述尾部事件的概率以及可能的糟糕程度。因此，从纯技术的角度来看，我认为机器学习是风险管理的下一个大工具。这将在一两年内成为一个相当普遍的术语。