后危机时期下如何成功管理风险——风险专家们的日常实战术
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
• • • • 股价下跌 信用息差(Credit spreads)扩大 可转换债券的隐含波动率下跌 期权的隐含波动率弹动
风险的展示
• “传统”方法是一次处理两个因素
– 当因素相关时非常低效 – 必须小心阐述。结果可能会是误导性的 – 压力测试会更好
某证券期权账目某证券期权账目- 60 个数据点
Lower Volatility 波动率较低 Useless 无用 Higher Volatility 波动率较高
偏斜 变化(+5) (167,186) 偏斜 变化(+10)
(2,906,989)
构建压力测试：要考虑的问题
• 相关证券的变量是哪些，他们的联合特征又是 怎样的？
– 极端情况下 – 相关系数会很高 (+ 或 -)
• 情景有多么可能发生？
– 股价和波动率同时下降是很不可能的
• 我如何能为流动性损失建模？
• 和经验分布法不一样 • 着重重演特定的历史情景 • 通常是多时段的情景
– 1987年股灾 (10月15日 – 30日) – 2000年高科技泡沫破灭(4月11日 – 25日)
缺陷
• 使用哪些情景
– 并指定它们的相似度
• 多时段意味着更长的持有时间
– 模拟是假定你整个时期都是“买并持有” – 可能是不实际的模拟
– 总是在“寻找问题”
风险价值 Value-at-Risk (VaR) Value-at• 最常见的是参数化或普通的风险价值
– 假设资产组合的风险是按正态（高斯）分布模拟的 – 从相关证券的风险建立分布，使用估计的相关系数 和波动率 – 更大的相关系数意味着更宽的曲线和更大的风险价 值VaR – 蒙特卡洛模拟（常常）使用相同的假设，但可以伸 延用于非线性产品（如期权）
实时 Real-time Real• 当交易执行时 • 当市场变动时 • 对一些策略是非常关键的
– 期权策略 (Options strategies) – 高频交易 (High-frequency trading)
• 而且总是被优先选择的
工具箱
• 风险价值 (VaR)
– 和蒙特卡洛方法 (Monte Carlo)
例子：高科技“泡沫破灭” 标准普尔500指数，2000年 标准普尔500指数，2000年4月
期权资产组合损益：“坚持持有” 期权资产组合损益：“坚持持有”
期权资产组合损益： 重新对冲过的
态度
• 喜欢探究 • 检验您的资产组合
– 积极寻找”断裂线”
• 质问自己的假设
– 你是否作了隐含的流动性假设？ – 你是否忽略了潜在的信用风险？ • 例如你购买了信用违约掉期，对冲掉你的借 款人违约的风险，但现在你暴露在卖家违约 的风险下
Hong Kong
Useful 有用
压力测试
• 风险展示的一种强大替代方法
– 能在更小的空间内集中更多的信息
• 少即是多 “Less is More” • 不要提供不必要的信息，它们会淹没重要的信息
– 能同时调整更多因素，通过更有意义的方式
• 重建现实的市场情景
对波动率曲面更复杂的变化
波动率的变化
20.0
15.0
后危机时期成功的风险管理
对风险专家实用的日常方法
Dr. Lance Smith (岑朗思 博士) 首席执行官, Imagine Software, Inc.
New York
London
Sydney
Hong Kong
市场风险的管理
• 风险有多种来源
– 大量事物可能会出错
• 很多工具被开发出来
– 但每种都有自身的缺陷
• 按不同因素审视 (Slicing and dicing)
– 按不同因素分析
• 风险的展示 (Risk slides) • 压力测试 (Stress tests) • 经验分布 (Empirical distribution)
– 又称“历史风险价值”(Historical VaR)
• 历史模拟 (Historical simulation) • 态度
按不同因素分块审视的缺陷
• 某些头寸(position) 可能不符合您的分块
– 例如：一个国际公司，在部分上，分属不同地 区 – 因素分解只是克服这种缺陷的一种方式
பைடு நூலகம்• 可能错过一个重要的块或因素
– 但可能随风险价值意外的增长，而显示出来
其他缺陷
• 一些突然的大损失可能是由多个因素共同 造成的
– 例如：某板块中严重的信用劣化导致
(500,000) (1,000,000) (1,500,000) (2,000,000) (2,500,000) (3,000,000) (3,500,000) (729,448) (905,454) 偏斜 变化(-10) 偏斜 变化(-5)
Skew_Shock(+5) Skew_Shock(+10)
– 参数估计是在风暴前的宁静期进行的 – 但总会有另一场风暴袭来的
• 结果无法包含所有的风险因素
– 例如，调整一个商品账 目(commodities book) 上的某日历价差 (calendar spreads) • 不能简单调整油的价格，应当独立调整远期合约
• 这并不是物理学。不真的是正态分布
– 突然的大损失并不是因为你运气差 – 而是因为什么事情发生了
总结
• 有很多可用的工具
– 用尽可能多的工具来补偿它们各自的弱点
• 不要依赖于一个数字；您的风险是多维的
– 但不要制造不必要的数据把事情搞复杂
• 仔细思考设计您的压力测试
– 不要忽略流动性的问题
• 要积极主动，调查并试验
imaginesoftware.com
New York
London
Sydney
– 您不了解日内交易的全部影响
• 静态的，预定义的 • 不具有交互性 • 不能对日内的事件及时反应
– 即您在次日之前，无法采取措施减轻您的风险
日内 Intra-day Intra• 按需求(On demand) • 能看到交易行为或市场变动的影响 • 动态的
– 随时灵活地“slicing and dicing”(按不同因素审视) – 能集中精力在有问题的方面 – 测试出对冲策略，然后实施它们
• 将您的头寸(position) 按各种因素集合:
– – – – – – Industry sector 行业板块 Liquidity 流动性 Maturity/expiration buckets 到期日的分组 Country or region 国家或地区 Counterparty 交易对手 Prime broker 主要经纪 ……
多空资产组合：两年股价
比较： 经验分布 和 等效正态分布
损益(百万美元)
经验分布
• 优点
– 没有人为误差，“该是什么就是什么” – 没有过度建模
• 缺点
– 有些依赖于使用的数据的时间区域
• 和其他方法相似
– 数据越多越好
• 但不是总能获得
– 必须考虑如何利用历史利率
• 对数正态还是正态？
历史模拟
• 没有单一工具足以胜任
– 最好利用几种方法来“多元化您的风险管理” – 避免您自身的偏差
及时性
• 您需要多么及时的风险管理？
– 日末 – 日内 – 实时 End-of-day Intra-day Real-time
• 对于对冲基金，可能和交易策略有关
日末 End-of-Day End-of• 市场收盘后的风险报告
• 按不同指数、上市交易基金(ETF)审视 • 某种程度上和“按不同因素分析”相似 • 可能发现被风险价值法忽略的风险
例子：流动性不协调
• 用欧洲美元期货来对冲一个买入的美元掉期资产 • 信用事件 => 掉期率突然变化 • 美元掉期的买方有巨大金额需要按市价入账 • 欧洲美元对冲需要追缴巨大的保证金 • 流动性降低且交易对手的信用风险增大时，停止 持有掉期的代价巨大 • 流动性不协调
1 Month 2 Month
变化百分比
10.0
3 Month 6 Months
5.0
0.0 70 -5.0 80 90 100 110 120 130
行使价百分比
--- 未到价卖权 未到价买权 ---
前述证券期权账目前述证券期权账目- 4个数据点
Skew_Shock(-10) Skew_Shock(-5)
资产组合波动率(常常) 资产组合波动率(常常)随相关系数增大
Daily Distribution of Portfolio P&L 日资产组合损益分布
Portfolio Volatility 资产组合 波动率
99% VAR 风险价值 Daily Return 日收益率
风险价值的缺陷
• 结果的有效程度依赖于输入的参数（波动率和相关系数） • 参数估计受“风暴前的宁静”现象的不良影响
– 例如，对可转换债来说，调低隐含波动率
• 需要经验、良好历史数据和想象
– 下一个事件可能不是过去的重复
经验分布：“历史风险价值” 经验分布：“历史风险价值”
• 历史数据的另一种用法
– 不计算相关系数、波动率等
• 而是尝试拟合“正态”分布
– 即用数据直接构造经验分布
• 将过去的日子当作独立的，观察所得到的 • 结果可能和正态有很大不同。你常常得到“厚 尾”(fat tails)的
那么，风险价值有可取之处吗？
• 给出了风险的下界预测
– 第一道防线
• 因为风险价值每天用相同方式算出……
– 如果一天到另一天有明显的变动，或者:
• 波动率和相关系数变化了，或者 • 资产组合变化了 • 因此开始调查原因吧！
• 但应该用其他的测试来补偿风险价值法的 缺陷
按不同因素分块审视风险 (Slicing and Dicing)
风险的展示
• “传统”方法是一次处理两个因素
– 当因素相关时非常低效 – 必须小心阐述。结果可能会是误导性的 – 压力测试会更好
某证券期权账目某证券期权账目- 60 个数据点
Lower Volatility 波动率较低 Useless 无用 Higher Volatility 波动率较高
偏斜 变化(+5) (167,186) 偏斜 变化(+10)
(2,906,989)
构建压力测试：要考虑的问题
• 相关证券的变量是哪些，他们的联合特征又是 怎样的？
– 极端情况下 – 相关系数会很高 (+ 或 -)
• 情景有多么可能发生？
– 股价和波动率同时下降是很不可能的
• 我如何能为流动性损失建模？
• 和经验分布法不一样 • 着重重演特定的历史情景 • 通常是多时段的情景
– 1987年股灾 (10月15日 – 30日) – 2000年高科技泡沫破灭(4月11日 – 25日)
缺陷
• 使用哪些情景
– 并指定它们的相似度
• 多时段意味着更长的持有时间
– 模拟是假定你整个时期都是“买并持有” – 可能是不实际的模拟
– 总是在“寻找问题”
风险价值 Value-at-Risk (VaR) Value-at• 最常见的是参数化或普通的风险价值
– 假设资产组合的风险是按正态（高斯）分布模拟的 – 从相关证券的风险建立分布，使用估计的相关系数 和波动率 – 更大的相关系数意味着更宽的曲线和更大的风险价 值VaR – 蒙特卡洛模拟（常常）使用相同的假设，但可以伸 延用于非线性产品（如期权）
实时 Real-time Real• 当交易执行时 • 当市场变动时 • 对一些策略是非常关键的
– 期权策略 (Options strategies) – 高频交易 (High-frequency trading)
• 而且总是被优先选择的
工具箱
• 风险价值 (VaR)
– 和蒙特卡洛方法 (Monte Carlo)
例子：高科技“泡沫破灭” 标准普尔500指数，2000年 标准普尔500指数，2000年4月
期权资产组合损益：“坚持持有” 期权资产组合损益：“坚持持有”
期权资产组合损益： 重新对冲过的
态度
• 喜欢探究 • 检验您的资产组合
– 积极寻找”断裂线”
• 质问自己的假设
– 你是否作了隐含的流动性假设？ – 你是否忽略了潜在的信用风险？ • 例如你购买了信用违约掉期，对冲掉你的借 款人违约的风险，但现在你暴露在卖家违约 的风险下
Hong Kong
Useful 有用
压力测试
• 风险展示的一种强大替代方法
– 能在更小的空间内集中更多的信息
• 少即是多 “Less is More” • 不要提供不必要的信息，它们会淹没重要的信息
– 能同时调整更多因素，通过更有意义的方式
• 重建现实的市场情景
对波动率曲面更复杂的变化
波动率的变化
20.0
15.0
后危机时期成功的风险管理
对风险专家实用的日常方法
Dr. Lance Smith (岑朗思 博士) 首席执行官, Imagine Software, Inc.
New York
London
Sydney
Hong Kong
市场风险的管理
• 风险有多种来源
– 大量事物可能会出错
• 很多工具被开发出来
– 但每种都有自身的缺陷
• 按不同因素审视 (Slicing and dicing)
– 按不同因素分析
• 风险的展示 (Risk slides) • 压力测试 (Stress tests) • 经验分布 (Empirical distribution)
– 又称“历史风险价值”(Historical VaR)
• 历史模拟 (Historical simulation) • 态度
按不同因素分块审视的缺陷
• 某些头寸(position) 可能不符合您的分块
– 例如：一个国际公司，在部分上，分属不同地 区 – 因素分解只是克服这种缺陷的一种方式
பைடு நூலகம்• 可能错过一个重要的块或因素
– 但可能随风险价值意外的增长，而显示出来
其他缺陷
• 一些突然的大损失可能是由多个因素共同 造成的
– 例如：某板块中严重的信用劣化导致
(500,000) (1,000,000) (1,500,000) (2,000,000) (2,500,000) (3,000,000) (3,500,000) (729,448) (905,454) 偏斜 变化(-10) 偏斜 变化(-5)
Skew_Shock(+5) Skew_Shock(+10)
– 参数估计是在风暴前的宁静期进行的 – 但总会有另一场风暴袭来的
• 结果无法包含所有的风险因素
– 例如，调整一个商品账 目(commodities book) 上的某日历价差 (calendar spreads) • 不能简单调整油的价格，应当独立调整远期合约
• 这并不是物理学。不真的是正态分布
– 突然的大损失并不是因为你运气差 – 而是因为什么事情发生了
总结
• 有很多可用的工具
– 用尽可能多的工具来补偿它们各自的弱点
• 不要依赖于一个数字；您的风险是多维的
– 但不要制造不必要的数据把事情搞复杂
• 仔细思考设计您的压力测试
– 不要忽略流动性的问题
• 要积极主动，调查并试验
imaginesoftware.com
New York
London
Sydney
– 您不了解日内交易的全部影响
• 静态的，预定义的 • 不具有交互性 • 不能对日内的事件及时反应
– 即您在次日之前，无法采取措施减轻您的风险
日内 Intra-day Intra• 按需求(On demand) • 能看到交易行为或市场变动的影响 • 动态的
– 随时灵活地“slicing and dicing”(按不同因素审视) – 能集中精力在有问题的方面 – 测试出对冲策略，然后实施它们
• 将您的头寸(position) 按各种因素集合:
– – – – – – Industry sector 行业板块 Liquidity 流动性 Maturity/expiration buckets 到期日的分组 Country or region 国家或地区 Counterparty 交易对手 Prime broker 主要经纪 ……
多空资产组合：两年股价
比较： 经验分布 和 等效正态分布
损益(百万美元)
经验分布
• 优点
– 没有人为误差，“该是什么就是什么” – 没有过度建模
• 缺点
– 有些依赖于使用的数据的时间区域
• 和其他方法相似
– 数据越多越好
• 但不是总能获得
– 必须考虑如何利用历史利率
• 对数正态还是正态？
历史模拟
• 没有单一工具足以胜任
– 最好利用几种方法来“多元化您的风险管理” – 避免您自身的偏差
及时性
• 您需要多么及时的风险管理？
– 日末 – 日内 – 实时 End-of-day Intra-day Real-time
• 对于对冲基金，可能和交易策略有关
日末 End-of-Day End-of• 市场收盘后的风险报告
• 按不同指数、上市交易基金(ETF)审视 • 某种程度上和“按不同因素分析”相似 • 可能发现被风险价值法忽略的风险
例子：流动性不协调
• 用欧洲美元期货来对冲一个买入的美元掉期资产 • 信用事件 => 掉期率突然变化 • 美元掉期的买方有巨大金额需要按市价入账 • 欧洲美元对冲需要追缴巨大的保证金 • 流动性降低且交易对手的信用风险增大时，停止 持有掉期的代价巨大 • 流动性不协调
1 Month 2 Month
变化百分比
10.0
3 Month 6 Months
5.0
0.0 70 -5.0 80 90 100 110 120 130
行使价百分比
--- 未到价卖权 未到价买权 ---
前述证券期权账目前述证券期权账目- 4个数据点
Skew_Shock(-10) Skew_Shock(-5)
资产组合波动率(常常) 资产组合波动率(常常)随相关系数增大
Daily Distribution of Portfolio P&L 日资产组合损益分布
Portfolio Volatility 资产组合 波动率
99% VAR 风险价值 Daily Return 日收益率
风险价值的缺陷
• 结果的有效程度依赖于输入的参数（波动率和相关系数） • 参数估计受“风暴前的宁静”现象的不良影响
– 例如，对可转换债来说，调低隐含波动率
• 需要经验、良好历史数据和想象
– 下一个事件可能不是过去的重复
经验分布：“历史风险价值” 经验分布：“历史风险价值”
• 历史数据的另一种用法
– 不计算相关系数、波动率等
• 而是尝试拟合“正态”分布
– 即用数据直接构造经验分布
• 将过去的日子当作独立的，观察所得到的 • 结果可能和正态有很大不同。你常常得到“厚 尾”(fat tails)的
那么，风险价值有可取之处吗？
• 给出了风险的下界预测
– 第一道防线
• 因为风险价值每天用相同方式算出……
– 如果一天到另一天有明显的变动，或者:
• 波动率和相关系数变化了，或者 • 资产组合变化了 • 因此开始调查原因吧！
• 但应该用其他的测试来补偿风险价值法的 缺陷
按不同因素分块审视风险 (Slicing and Dicing)