“肥尾风险”是《黑天鹅》作者纳西姆·尼古拉斯·塔勒布（Nassim Nicholas Taleb）最近提出的概念，是指一些发生概率相对较高的罕见风险。我们知道超出正态分布正负三个标准差之外的事件的发生概率只有0.3%（1-99.7%）。但是对于具有“肥尾风险”特征的分布则不然，其尾部事件发生的概率要远超正态分布对应的0.3%。
典型的“肥尾风险”包括罕见的金融风险（例如08年金融海啸）以及传染病风险（例如新冠）。
对于正态分布，连续发生不太可能的事件的概率要大于发生一件极端不可能发生的事件的概率。但是对于肥尾分布，远离分布中心的极端事件发生的概率要明显增大，这就导致尽管“黑天鹅”事件并不常见，但是它的发生概率要远高于人们心目中对于它的正常理解和估计。
在正态分布占主体的世界里，随机事件的统计特性是稳定的，但是在肥尾分布世界里面，位于尾部的罕见事件在决定这些统计特性方面起着“不成比例”的重要作用。大数定律效应针对“肥尾风险”表现得要“缓慢”很多。在正态分布模型下，几十个观测值就能够得出较为“稳定”的平均值，但是在帕累托分布模型下，则需要上千个观测值才能保证得到一定“稳定”程度的平均值。这意味着要想正确理解肥尾风险，需要更多的观察值（较之正常要高出好多倍）。此外，对于“肥尾”分布，分布的平均值不等于样本的平均值。在正态分布模型下，当观察值达到一定数量后，样本平均值可以用来估计分布总体平均值。但是对于肥尾分布，样本平均值并不一定能成为总体平均值的估计值，使用样本观察值计算的统计特性是不可靠的，也可能是不准确的。
“肥尾风险”的存在给风险管理带来了极大的难度，传统的风险管理理论与方法对于“肥尾风险”是无效的。正常情况下，我们可以依据历史观察值拟合概率分布，这使得我们能够认识和理解“尾部”事件的概率分布特性，在此基础上制定风险管理措施，管理和控制风险发生的概率在可以容忍的范围之内。这里面，风险管理可以做到“成本有效”或追求“成本效益”性价比。但是，对于“肥尾风险”，我们无法通过历史观察值正确认识概率分布特性，基于可以收集到的观测值不能够正确理解和认识罕见事件特征，这使得我们缺少制定风险管理措施的数据依据。
在纳西姆·尼古拉斯·塔勒布之前关于“黑天鹅”事件的论述中我们已经知道，“黑天鹅”事件是出乎意料的，是难以有效预测的。对于“肥尾风险”，实际上无论我们如何收集和分析历史观测数据，我们对其统计特征都是无法准确理解和估计的。这也意味着“肥尾风险”更多地是一个理论概念，对于实际风险管理来说，了解尾部风险的存在是让我们对风险有着更为理性的认知，对于风险可能带来的不利结果有着更为合理的预期。
为了应对“肥尾”风险，我们需要放弃传统的风险管理方法，但目前来看，还找不到合理、有效的应对办法。纳西姆·尼古拉斯·塔勒布提出使用“风险预警”而不是“风险管理”原则来应对“肥尾”风险，但是这必将导致风险管理代价昂贵，长期来看不见得能够有效地持续进行。
|
