市场越平静，越该警惕风险？——全球市场正在进入一个更快、更脆弱的时代-FRR首席战略合作机构

市场越平静，越该警惕风险？——全球市场正在进入一个更快、更脆弱的时代

2026-06-08

市场越平静，越该警惕风险？——全球市场正在进入一个更快、更脆弱的时代

平均值正在掩盖真实风险。指数表现强劲的背后，企业基本面分化持续扩大，市场或正在系统性低估信用风险。

风险管理需要回归基本原则。在AI时代，数据治理、模型可解释性与专业判断的重要性，正超过对复杂模型本身的依赖。

在全球经济秩序加速重构之际，风险管理正面临一场深层的挑战：传统模型越来越难以解释现实状况，而市场却依旧沉浸于“低波动”的表象之中。

过去几年，全球金融体系经历了数十年来少见的多重冲击叠加：疫情余波尚未消退，地缘政治冲突持续升级，供应链重构、逆全球化压力、长期财政赤字以及技术革命又接踵而至。

真正定义当下环境的，并非某一个孤立事件，而是这些变量相互作用、彼此放大的速度之快，以及这种变化对传统风险识别与管理框架所造成的压力。

值得注意的是，许多正在重塑经济结构的风险，并非源于金融系统内部，却最终通过金融体系传导并放大。无论是疫情、战争、气候转型还是人口结构变化，这类“非金融冲击”往往先缓慢积累，再以超出预期的速度突然加速。而大多数传统风险模型，并非为这种演化路径而设计。

通胀就是一个典型案例。在许多资本密集型行业，新旧技术转换意味着企业不得不在相当长时间内维持“双轨生产体系”——旧产能尚未退出，新产能又必须提前投入。即使短期数据看似温和，这不仅推高成本，也让通胀压力具备更强的黏性。

类似逻辑，同样存在于全球“再军事化”、产业回流（onshoring）、“友岸外包”（friend-shoring）以及全球化退潮过程中。这些结构性调整本质上都意味着更高成本，而成本一旦形成，往往不会因为几个月的通胀回落就迅速消失。

问题在于，市场当前看到的，更多是“平静的表面”；而真正积累风险的，却是“水面之下”的裂缝。如今的市场结构，越来越奖励规模、流动性和集中度，但企业基本面之间的分化却在持续扩大。

01 风险分布不均衡

当“平均值”成为主导叙事时，早期风险信号往往会被掩盖。并非风险不存在，而是风险分布得越来越不均衡。

美国近期宏观数据就很好地体现了这一点。以2026年3月美国劳工统计局（BLS）数据为例：非农就业新增17.8万人，看似稳健，但其中医疗保健行业就贡献了7. 6万人。更进一步拆解会发现，大量新增岗位来自此前罢工结束后的“补偿性回流” 。

与此同时，家庭调查数据却明显疲弱：就业人数减少6.4万人，劳动参与率下降至61.9%，创多年新低；工资增长继续放缓；尽管平均时薪同比上涨了3.5%，但每周平均工作时长小幅下降至 34.2 小时。

归根结底是什么？除了headline数据之外，这份报告显示出劳动力市场正处于一种“低招聘均衡” 状态，同时也进一步印证了 SAS 在 4 月 1 日信用状况分析中释放出的信用风险信号。

02 当市场噪音掩盖真实信号，风险或正在累积

当前全球经济体系的脆弱程度，尤其是财政承压能力与抗冲击能力，可能远高于市场想象。全球主权债务处于历史高位，多数发达经济体长期财政赤字难以收敛；政府资产负债表持续恶化，私人部门杠杆率依然偏高，政策空间却越来越有限。但信用市场的表现，却仿佛一切依然平稳。

这种错位，在股票市场尤为明显。例如，标普500指数采用市值加权机制，少数大型科技公司便足以掩盖大量中小企业基本面的恶化。指数继续创新高，并不意味着市场整体健康。

AI浪潮进一步放大了这种分化。受影响的并不仅仅是科技行业，还包括消费、媒体、材料、公用事业等多个领域。企业之间的差距，越来越体现为“能否快速适应AI时代” 。

与此同时，供应链重构、关税体系变化以及成本结构迁移，又进一步加剧了缺乏韧性企业的经营压力。问题在于，这些风险很难从指数层面被及时识别。

从信用风险角度看，这种背离更值得警惕。根据SAS旗下KRIS企业信用模型，在美国市值前三千家上市公司中，未来三年违约概率的中位数，目前已升至1999年以来历史区间的最高五分位之一。然而，信用利差却依然维持在低位。

这不禁引发几个关键问题：究竟是风险模型遗漏了什么？还是市场正在系统性低估风险？又或者，两者同时存在？

另一个值得关注的趋势，是被动投资工具在信用市场中的快速扩张。当资金更多依据指数规则而非企业研究进行配置时，价格信号的敏感度会下降，尤其是在市场压力时期。风险因此更容易在“安静环境” 中累积。这也意味着，基于基本面、深入发行人层面的主动研究，其价值反而正在提升。

更关键的是，风险变化的速度已经明显加快。过去需要十年完成的结构变化，如今可能只需两三年，甚至几个月。回顾2025年与2023-2024年的差异，市场参与者普遍有一种 “仿佛经历了十年” 的感受。而进入2026年后，这种加速迹象并未减弱。

03 风险管理的核心：回归基本原则

在这样一个高波动、高复杂度环境中，风险管理反而更需要回到基础。数据质量、治理能力、流程纪律性以及透明的自动化机制，正在变得比以往任何时候都更重要。尤其在AI时代，模型风险管理的重要性进一步上升。

随着模型日益复杂，机构越来越难确保数据质量、界定模型边界、建立有效AI治理机制，并长期监控模型表现。但这些恰恰是负责任部署AI的核心前提。

任何模型本质上都只是对复杂现实的“简化表达”。模型依赖假设，而假设总有失效的时候。某些模型在特定环境下有效，但一旦环境变化，原本可靠的关系可能迅速崩塌。因此，“可解释性”正在成为AI风险管理中的关键能力。

当模型输出发生变化时，决策者必须能够理解背后的原因，才能区分真正的信号与市场噪音。模型并不是能够预测未来的“水晶球” 。只有结合适用于特定场景、能够支持决策的分析体系，才能真正理解模型输出，并从中提取有价值的风险信号。

随着机器学习模型日益复杂，模型的可解释性也变得更加困难。很多情况下，甚至连模型开发者自己都难以准确追溯结果背后的驱动因素。缺乏这种透明度，组织可能会误将“噪音”当作“信号”来应对。相比承认不确定性，建立在错误自信基础上的决策往往更加危险。

真正有效的风险管理，并不在于预测未来的每一个结果，因为完美预测本就无法实现。更重要的是建立能够支持机构检验假设、推演情景、负责任地运用模型并动态适应环境变化的框架，而不是在模型失效后才被动调整。

04 技术的作用

AI与自动化工具当然重要，它们能够帮助机构处理当今海量且高速的数据流。但技术应当服务于人的判断，而不是替代人的判断。面对当今数据规模与速度的快速增长，这些工具正变得越来越不可或缺。但与此同时，它们必须建立在AI 治理和模型可解释性的基础之上，为风险管理提供支持。否则，这些看似先进的方法，最终可能从“优势” 演变成 “弱点” 。

过去几十年，风险分析方法已经从基础统计工具，演进到大规模数据分析、机器学习以及行业化风险应用。这背后反映的，其实是一个简单事实：风险从不会静止不变，风险管理方法也不能停留原地。

而在这个“高速且脆弱”的时代，市场最需要的，或许不是更多复杂模型，而是更清晰的思考方式：

少一些对平均值的依赖；多一些对底层变化的关注；少一些对静态模型的迷信；多一些对环境快速变化的警觉。

最重要的是，机构必须意识到：市场的平静，并不等于风险的消失。

Stas Melnikov 是SAS 公司量化研究与风险数据解决方案负责人。SAS是一家专注于数据分析与人工智能技术的解决方案提供商。

值得关注的是，金融风险与监管证书（ICBRR/FRR）专业培训对信用风险管理至关重要。作为GARP推出的权威认证，其知识体系紧扣巴塞尔协议，聚焦信用风险核心实务，能帮助从业者构建系统的风控框架，提升风险识别与管控能力。该证书助力银行从业者将理论与AI风控实践结合，契合监管要求，补齐人才专业短板，为信用风险管理现代化升级提供坚实的人才支撑，降低类似硅谷银行的风险隐患。

ICBRR/FRR的持证者在工作中发挥所学，专业能力、职务等均获得大幅提升。为银行金融业的安全、健康发展做出贡献，为建设金融强国添砖加瓦！

为保护广大考生的利益，请计划报考金融风险与监管证书(FRR)的考生或银行机构联系FRR证书项目官方授权推广机构咨询报名（在非官方授权机构报名，将无法获得专业培训和人社部注册的证书），授权机构名录详见FRR首席战略合作机构官网：www.frr.net.cn 和本公众号“授权合作-授权机构名录”或致电4006186078 查询。