可大幅度提升風(fēng)控措施的科學(xué)性與預(yù)判性

在資管計(jì)劃的長(zhǎng)期運(yùn)行中，隨著凈值的波動(dòng),、投資方式的變動(dòng),、資產(chǎn)類(lèi)型的變化，會(huì)衍生出不同的風(fēng)險(xiǎn)點(diǎn),，呆板制式風(fēng)險(xiǎn)監(jiān)控手段已經(jīng)顯示出其過(guò)于粗糙的缺點(diǎn),，而量化手段的全面引進(jìn)將大幅度提升風(fēng)控措施的科學(xué)性與預(yù)判性。

策略交易風(fēng)險(xiǎn)的量化管理

剖析量化投資實(shí)施過(guò)程的行為特征,，可以把策略交易端的風(fēng)險(xiǎn)分解成模型風(fēng)險(xiǎn),、技術(shù)風(fēng)險(xiǎn)及運(yùn)維風(fēng)險(xiǎn)。模型風(fēng)險(xiǎn)的發(fā)現(xiàn)與防范主要寄希望于交易前風(fēng)控,，在系統(tǒng)內(nèi)上線的交易模塊越是可復(fù)盤(pán)可驗(yàn)證,，進(jìn)行風(fēng)險(xiǎn)管控的難度就會(huì)大幅度降低。同時(shí),，對(duì)模型風(fēng)險(xiǎn)的交易中監(jiān)控也十分重要,。

2015年1月5日，我們的風(fēng)控系統(tǒng)中發(fā)現(xiàn)某模型用于開(kāi)平倉(cāng)判定的參數(shù)變成空值,，導(dǎo)致模型無(wú)法獲得正確的交易狀態(tài),。在系統(tǒng)報(bào)出錯(cuò)誤之后，我們停止了該模型的運(yùn)行，復(fù)盤(pán)后發(fā)現(xiàn)程序讀取交易時(shí)間時(shí),，是從本地計(jì)算機(jī)讀取日期,，從交易所數(shù)據(jù)讀取分鐘等數(shù)據(jù)，由于兩者時(shí)間的不一致,，在0點(diǎn)0分的幾個(gè)tick內(nèi)時(shí)間是錯(cuò)誤的,，在1月5日的夜盤(pán)數(shù)據(jù)中出現(xiàn)了標(biāo)注為1月6日23點(diǎn)59分59.5秒（實(shí)際是1月5日23點(diǎn)59分59.5秒）這樣的數(shù)據(jù)，從而導(dǎo)致參數(shù)計(jì)算變成空值,。這說(shuō)明通過(guò)關(guān)鍵參數(shù)的實(shí)時(shí)跟蹤監(jiān)控,，能夠及時(shí)發(fā)現(xiàn)類(lèi)似問(wèn)題，避免后續(xù)交易信號(hào)的紊亂,。但需要指出的是,，并非所有模型都有辦法做細(xì)致的風(fēng)控，信息技術(shù)的發(fā)展帶來(lái)的交易技術(shù)升級(jí),，比如FPGA技術(shù)的應(yīng)用,，將軟件寫(xiě)入硬件以提高運(yùn)算速度，將對(duì)風(fēng)控系統(tǒng)提出全新的監(jiān)控需求,。

技術(shù)風(fēng)險(xiǎn)主要包括了交易策略的算法風(fēng)險(xiǎn),、技術(shù)平臺(tái)、交易實(shí)現(xiàn),、軟硬件,、網(wǎng)絡(luò)鏈路等所有因技術(shù)原因?qū)е鲁绦蚧灰椎南到y(tǒng)未能產(chǎn)生及完成正確交易指令的風(fēng)險(xiǎn)。風(fēng)控系統(tǒng)對(duì)技術(shù)風(fēng)險(xiǎn)的監(jiān)控主要解決網(wǎng)絡(luò)狀態(tài)監(jiān)聽(tīng),、接口狀態(tài)與行情推送狀態(tài)監(jiān)聽(tīng),、信號(hào)與成交回報(bào)比對(duì)、信號(hào)匯總與報(bào)倉(cāng)信息的比對(duì)等,，在發(fā)現(xiàn)異常的最短時(shí)間內(nèi)觸發(fā)警報(bào),，或根據(jù)預(yù)案觸發(fā)風(fēng)控操作。

量化策略的運(yùn)維風(fēng)險(xiǎn)具有其特殊性,，由于通常量化交易研究員大多深度參與交易系統(tǒng)的開(kāi)發(fā),，但隨著系統(tǒng)趨于復(fù)雜化，IT部門(mén)必然全面介入系統(tǒng)構(gòu)建,，從開(kāi)發(fā)部署至日常運(yùn)維都離不開(kāi)多部門(mén)的合作,。

跨部門(mén)參與者數(shù)量大幅增加使系統(tǒng)的風(fēng)險(xiǎn)點(diǎn)分布在多個(gè)環(huán)節(jié)中，機(jī)構(gòu)投資者的程序化交易便不再是僅僅啟動(dòng)或關(guān)閉系統(tǒng)那么簡(jiǎn)單,，通常我們建議在每一類(lèi)策略的運(yùn)維方案中必須包含故障節(jié)點(diǎn)分析及應(yīng)急處置預(yù)案等內(nèi)容,，盡可能真實(shí)的測(cè)試環(huán)境與壓力測(cè)試流程是必不可少的。

市場(chǎng)風(fēng)險(xiǎn)的管理

VaR是目前國(guó)內(nèi)外一種主流的金融風(fēng)險(xiǎn)管理工具,，被深入應(yīng)用于對(duì)資產(chǎn)組合未來(lái)風(fēng)險(xiǎn)的預(yù)估中,。對(duì)于市場(chǎng)風(fēng)控模塊,，對(duì)于單一品種的VaR在顯著性水平內(nèi)表現(xiàn)較好，在實(shí)際應(yīng)用的過(guò)程中沒(méi)有表現(xiàn)出過(guò)高或過(guò)低的評(píng)估風(fēng)險(xiǎn),，在顯著性水平內(nèi)表現(xiàn)較好,，能有效揭示市場(chǎng)風(fēng)險(xiǎn)，同時(shí)對(duì)于商品組合的VaR由于相關(guān)性的存在,，評(píng)估方法需要更加精細(xì),，計(jì)算方法更加復(fù)雜。

計(jì)算金融資產(chǎn)VaR的兩個(gè)關(guān)鍵要素是收益率的概率分布與波動(dòng)率的計(jì)算,，所以要提高VaR的精度必須準(zhǔn)確度量收益率的概率分布與波動(dòng)率,。對(duì)于統(tǒng)計(jì)分布的假設(shè)，傳統(tǒng)的VaR計(jì)算將收益率設(shè)為正態(tài)分布,，但金融時(shí)間序列的分布往往具有比正態(tài)分布更寬的尾部,，為更精確描述尾部特征，需要對(duì)誤差項(xiàng)μt的分布進(jìn)行恰當(dāng)?shù)募僭O(shè),，為此可用t分布或廣義誤差分布(GED)擬合厚尾，從而提高VaR的計(jì)算精度,。其中t分布的概率密度函數(shù)(PDF)為：,，Γ(.)為garmma函數(shù), n為自由度，Rt為服從t分布的收益率序列,。由t分布的性質(zhì)可知,，當(dāng)ν時(shí)，t分布的概率密度分布收斂于標(biāo)準(zhǔn)正態(tài)分布概率密度,。

GED分布是一種更加靈活的分布,，通過(guò)對(duì)其中參數(shù)λ的調(diào)整，可以擬合不同的分布,，其概率密度函數(shù)為：,，其中λ為尾部厚度參數(shù)， Rt為服從GED分布的收益率序列,。ν為廣義誤差分布參數(shù),，當(dāng)ν>2，GED分布呈瘦尾分布,；當(dāng)ν=2,，GED分布退化為正態(tài)分布；當(dāng)ν<>

對(duì)于波動(dòng)率的時(shí)變性,，基于無(wú)條件分布計(jì)算下的收益率的標(biāo)準(zhǔn)差,，其波動(dòng)具有集簇性和爆發(fā)性，所以收益的方差(標(biāo)準(zhǔn)差)具有時(shí)變性,。而GARCH模型較好地描述了誤差項(xiàng)波動(dòng)集聚性,，用GARCH模型得到的異方差參與VaR計(jì)算,。

GARCH模型的主要思想是：擾動(dòng)項(xiàng)μt的條件方差σt2依賴(lài)于它的前期值μt-1的大小，即：,。

VaR通過(guò)在收益率的分布與波動(dòng)率的計(jì)算方式兩個(gè)方面的改進(jìn)來(lái)提高VaR的計(jì)算精度,。通過(guò)GARCH_N（N代表正態(tài)分布）、GARCH_t（t代表t分布）,、GARCH_GED（GED代表廣義誤差分布）等模型計(jì)算的VaR在多個(gè)品種中的表現(xiàn),，從上述計(jì)算的VaR的失敗率與顯著性水平的接近程度考慮，可以看到在VaR的計(jì)算精度上,，GARCH_GED更具有優(yōu)越性,。經(jīng)過(guò)在多品種VaR計(jì)算的論證，我們風(fēng)控系統(tǒng)VaR的計(jì)算最終采用GARCH_GED模型,。

根據(jù)我們?cè)谙鹉z的實(shí)盤(pán)運(yùn)行中VaR方法對(duì)其的監(jiān)測(cè)結(jié)果,，可以發(fā)現(xiàn)，在95%的情況下,，我們的VaR可以很好地揭示風(fēng)險(xiǎn),，并依據(jù)策略對(duì)損失的容忍度設(shè)置了閥值，當(dāng)VaR超越容忍閥值時(shí),，我們對(duì)投資經(jīng)理做出了提示,，及時(shí)做出倉(cāng)位調(diào)整，降低風(fēng)險(xiǎn),。

計(jì)劃凈值風(fēng)險(xiǎn)的監(jiān)控

對(duì)于量化產(chǎn)品管理者來(lái)說(shuō),，比較關(guān)注產(chǎn)品的凈值表現(xiàn)以及凈值風(fēng)險(xiǎn)。以清盤(pán)線設(shè)0.8的某產(chǎn)品為例,，對(duì)凈值風(fēng)險(xiǎn)的監(jiān)控簡(jiǎn)單分四個(gè)檔進(jìn)行,，首先是給出凈值可能到0.95的概率，凈值跌破0.95后給出可能跌到0.9的概率,，以?xún)糁甸g隔0.5為步長(zhǎng),，類(lèi)推到凈值可能到0.8的概率，即產(chǎn)品臨界清盤(pán)線的概率,。一般當(dāng)概率值超過(guò)20%時(shí),，系統(tǒng)需要發(fā)出警示，及時(shí)提示管理者是否要通過(guò)降低倉(cāng)位等手段來(lái)降低風(fēng)險(xiǎn),。

以下是一個(gè)凈值風(fēng)險(xiǎn)監(jiān)控的模擬案例：假設(shè)最初2015年1月30日在銅的主力合約上建立一個(gè)空頭頭寸,，建倉(cāng)價(jià)位為39090元/噸，手?jǐn)?shù)8手,，總資金為100萬(wàn)元,，初始保證金占比15.7%，截至2015年3月24日,，倉(cāng)位保持不動(dòng),，監(jiān)測(cè)這段時(shí)間的凈值風(fēng)險(xiǎn),。結(jié)果顯示，隨著倉(cāng)位的變動(dòng),，實(shí)際凈值在跌破0.95,、0.9、0.85,、0.8之前的幾天,，通過(guò)計(jì)算持倉(cāng)頭寸的價(jià)格風(fēng)險(xiǎn)，是可以對(duì)后市凈值表現(xiàn)做出一定的警示,，供管理人參考,。

從表2中可以很清晰地看到，隨著倉(cāng)位實(shí)際凈值的下降,，凈值接近0.95,、0.9、0.85,、0.8的概率也在呈現(xiàn)接力式增加,，且凈值變化趨勢(shì)與凈值可能到達(dá)臨界水平出現(xiàn)的概率值呈現(xiàn)了很好的負(fù)相關(guān)關(guān)系。在實(shí)際凈值接近臨界數(shù)值（0.95,、0.0.85,、0.8）之前，量化的風(fēng)控系統(tǒng)都提前及時(shí)地揭示這種風(fēng)險(xiǎn)將要發(fā)生的可能性很大,，并給出了定量的數(shù)值,，凈值風(fēng)控系統(tǒng)有效地監(jiān)控了這種風(fēng)險(xiǎn),。

資管產(chǎn)品的風(fēng)控是一個(gè)系統(tǒng)化的工程,，在實(shí)務(wù)中管理人還會(huì)碰到自主管理產(chǎn)品與通道產(chǎn)品風(fēng)控制度的差異，雖然很難總結(jié)出一套完美的體系架構(gòu),，但將量化技術(shù)全面引入到風(fēng)控的全流程中對(duì)產(chǎn)品的穩(wěn)健運(yùn)行具有十分積極的意義,。

此外，在我們最為熟悉的程序化交易領(lǐng)域,，管理人面對(duì)的風(fēng)險(xiǎn)不僅是目前所持倉(cāng)位繼續(xù)持有一段時(shí)間可能帶來(lái)的風(fēng)險(xiǎn),，更主要的是程序化交易繼續(xù)運(yùn)行一段時(shí)間可能帶來(lái)的風(fēng)險(xiǎn)。對(duì)此,，收盤(pán)后用蒙特卡洛模擬的方法估計(jì)繼續(xù)交易一天可能帶來(lái)的風(fēng)險(xiǎn),，就算沒(méi)有持倉(cāng)，但模型的持續(xù)運(yùn)行仍將帶來(lái)不確定性,，而非僅僅估算已有持倉(cāng)的影響,，這對(duì)于目前很多風(fēng)控系統(tǒng)而言都是全新的挑戰(zhàn)，值得深入研究及開(kāi)發(fā),。

（作者單位：海證期貨）