01
压力测试概述
定义、目的、在金融期货交易中的重要性。
核心概念入门
02
监管要求与合规
国内外监管机构对压力测试的要求（如Dodd-Frank、巴塞尔协议）。
合规巴塞尔
03
风险因子识别
市场风险、信用风险、流动性风险、操作风险。
风险分类基础
04
历史情景构建
基于历史极端事件（如1987年股灾、2008年金融危机）构建情景。
情景分析历史
05
假设情景构建
基于假设的宏观经济变量变动（如利率飙升、汇率暴跌）构建情景。
宏观经济假设
06
敏感性分析
单一风险因子变动对投资组合的影响。
单因子度量
07
情景分析
多风险因子同时变动对投资组合的影响。
多因子综合
08
压力测试方法论
从简单到复杂（敏感性分析 → 情景分析 → 蒙特卡洛模拟）。
方法论进阶
09
蒙特卡洛模拟
随机模拟风险因子路径，计算组合损益分布。
模拟随机
10
极值理论（EVT）
使用广义帕累托分布（GPD）建模尾部风险。
尾部风险GPD
11
Copula函数
建模多个风险因子之间的非线性依赖关系。
依赖非线性
12
反向压力测试
从损失结果反推导致该损失的风险情景。
反向诊断
13
流动性压力测试
模拟市场流动性枯竭对交易执行和组合变现的影响。
流动性冲击
14
交易对手信用风险压力测试
模拟交易对手违约带来的损失。
信用风险违约
15
跨市场传染效应
模拟一个市场崩溃如何传导至其他市场。
传染系统性
16
数据需求与清洗
历史数据、市场数据、交易数据、清洗与对齐。
数据预处理
17
系统架构设计
高性能计算、分布式处理、实时数据流。
架构分布式
18
Python实现基础
NumPy、Pandas、SciPy在压力测试中的应用。
Python数值计算
19
Python实现进阶
使用PyPortfolioOpt进行组合优化，使用Riskfolio-Lib进行风险预算。
组合优化风险预算
20
回测框架
验证压力测试模型的有效性。
回测验证
21
报告生成
自动化生成压力测试报告（PDF/HTML）。
报告自动化
22
可视化
使用Matplotlib/Plotly绘制风险热力图、损益分布图。
可视化热力图
23
实时压力测试
对接实时行情，动态计算风险敞口。
实时行情
24
性能优化
向量化计算、并行计算（Joblib/Dask）、GPU加速（CuPy）。
高性能GPU
25
案例研究1：股指期货跨期套利
股指期货跨期套利的压力测试。
案例套利
26
案例研究2：国债期货基差交易
国债期货基差交易的压力测试。
案例基差
27
案例研究3：外汇期货组合
外汇期货组合的极端情景分析。
案例外汇
28
模型风险管理
压力测试模型的验证、校准与文档化。
模型风险治理
29
压力测试治理
组织架构、职责分工、审计与反馈。
治理组织
30
未来趋势
机器学习在压力测试中的应用、云原生压力测试平台。
AI云原生