4. 做市策略收益归因框架：风险归因

各位同学，咱们今天聊点硬核的——风险归因。说实话，很多做市团队赚了钱就觉得自己牛，亏了钱就怪市场。但真正的高手，会把每一分收益和每一分风险都拆得清清楚楚。我个人习惯，做归因分析时，先看风险，再看收益。为什么？因为风险是收益的「成本」，你不搞清楚成本，怎么算利润？

4.1 风险归因的核心：VaR 与 CVaR 分解

先说说 VaR（Value at Risk）。这玩意儿说白了就是：「在 95% 的置信水平下，我一天最多亏多少钱？」。比如你算出来 VaR 是 10 万，意思就是有 95% 的把握，一天亏损不超过 10 万。但这里有个坑——那 5% 的极端情况呢？VaR 不管了。

所以我更推荐用 CVaR（Conditional VaR），也叫期望损失。它回答的是：「如果真亏了，平均会亏多少？」。CVaR 比 VaR 更保守，也更真实。我在项目中遇到过，某策略 VaR 看起来很低，但 CVaR 高得吓人——说明它平时没事，一有事就是大事。

那怎么分解呢？我们通常把风险拆成三块：

• 方向性风险：市场整体波动带来的风险。比如你持有多头仓位，大盘跌了你就亏。
• 基差风险：现货和期货之间的价差波动。做市商最爱吃这个，但也最容易被它反噬。
• 流动性风险：买卖价差扩大、深度不足导致的滑点损失。嗯，这个在极端行情下特别明显。

举个例子，假设你的做市策略在 ETH-USDT 上跑，VaR 是 5 万 USDT。分解下来：方向性风险占了 3 万，基差风险 1.5 万，流动性风险 0.5 万。这说明什么？你的策略对大盘走势很敏感，得考虑加对冲。

4.2 风险归因与收益归因的结合

光看风险不够，得把风险和收益放一起看。我习惯用「夏普比率分解」来做这件事。说白了，就是把夏普比率拆成各个因子的贡献。

具体怎么做？

1. 先算总收益和总风险（VaR 或 CVaR）。
2. 然后算每个因子对收益的贡献，以及对风险的贡献。
3. 最后算每个因子的「风险调整后收益」——也就是收益贡献除以风险贡献。

举个例子，假设你的策略总收益是 100 万，总 CVaR 是 20 万。分解后：

你看，基差因子的风险调整后收益最高（6.25），说明它性价比最好。方向性因子虽然赚了 40 万，但风险也大，性价比一般。这时候你该怎么做？我个人建议，适当增加基差策略的权重，减少方向性暴露。

4.3 归因结果的解读与可视化

数据算出来了，怎么让人一眼看懂？我强烈建议用图表。文字说一千道一万，不如一张图来得直观。

下面这张图是我自己常用的风险归因框架，你可以参考：

这张图展示了从总风险到因子分解，再到与收益结合的全流程。你想想看，如果没有这个框架，你只知道「今天亏了 5 万」，但不知道为什么亏。有了分解，你就能说：「哦，今天方向性风险贡献了 3 万，基差贡献了 1.5 万，流动性贡献了 0.5 万。」——这才是专业选手的思考方式。

可视化方面，我推荐几种常用图表：

• 堆叠柱状图：展示各因子对总风险的贡献占比。一眼看出哪个因子是「风险大户」。
• 散点图：横轴是风险贡献，纵轴是收益贡献。每个点代表一个因子。落在左上角的因子是「高风险低收益」，得砍掉。
• 热力图：展示不同市场状态下各因子的风险暴露。比如牛市中方向性风险大，熊市中流动性风险大。

最后，我想强调一点：归因分析不是一次性工作，而是持续迭代的过程。我每周都会跑一次归因报告，看看各因子的贡献是否在预期范围内。如果某个因子的风险贡献突然变大，我会立刻检查是不是策略参数出了问题，或者市场结构发生了变化。

嗯，今天就聊到这里。记住，风险归因不是为了算账，而是为了决策。你只有知道风险从哪来，才能知道怎么管它。