第三节：风险度量基础——希腊字母、VaR与压力测试
做市这行，说白了就是跟风险打交道。你赚的钱，本质上就是承担风险后得到的补偿。但风险这东西，看不见摸不着，怎么量化它？这就是我们今天要聊的核心——风险度量。
我个人习惯把风险度量分成三个层次：微观层面看希腊字母，中观层面看VaR，宏观层面看压力测试。三层都吃透了，你才算真正入门。
3.1 希腊字母风险：你的头寸在“动”什么？
希腊字母，不是数学里的那个希腊字母，而是期权定价模型里的一堆偏导数。它们告诉你：当市场某个变量变化时，你的头寸价值会怎么变。
嗯，这里要注意：希腊字母不是期权独有的。任何非线性产品，甚至现货头寸，都可以用希腊字母来理解风险。我见过不少交易员只盯着期权看希腊字母，其实外汇远期、掉期，甚至债券，都能用这套框架。
3.1.1 Delta（Δ）——方向性风险
Delta衡量的是：标的资产价格变动1单位，你的头寸价值变动多少。说白了，就是你的“方向敞口”。
举个例子：你持有1手欧元/美元多头，Delta就是+100,000（标准手）。如果欧元涨了1个点，你赚10美元。简单吧？
但期权Delta就复杂了。看涨期权的Delta在0到1之间，看跌期权在-1到0之间。平值期权Delta大约0.5。我在项目中遇到过一个问题：很多新手以为Delta是常数，其实它随着标的价格、时间、波动率都在变。这就是Gamma要解决的问题。
3.1.2 Gamma（Γ）——Delta的变化率
Gamma衡量的是：标的价格变动1单位，Delta变动多少。你可以把它理解为“加速度”。
为什么Gamma重要？因为Delta中性不代表你没风险。如果Gamma很大，市场稍微一动，你的Delta就变了，中性状态瞬间被打破。
我曾经吃过Gamma的亏。有一次做欧元/美元期权做市，我自认为Delta对冲得很干净，结果非农数据一出，市场瞬间波动50个点，我的Delta从0变成了+200万欧元。那一夜，我深刻理解了什么叫“Gamma风险”。
| Gamma值 | 含义 | 对冲难度 |
|---|---|---|
| 接近0 | Delta稳定，线性产品 | 容易 |
| 正Gamma（多头期权） | 市场波动越大，Delta变化越快 | 中等 |
| 负Gamma（空头期权） | 市场波动越大，Delta反向变化 | 困难 |
3.1.3 Vega（ν）——波动率风险
Vega衡量的是：隐含波动率变动1%，你的头寸价值变动多少。外汇市场里，波动率是交易的核心之一。
你想想看：做市商赚的是什么？很大一部分是波动率差价。你给客户报的买卖价差里，就包含了波动率溢价。如果实际波动率低于隐含波动率，你就能赚到钱；反之就会亏。
我记得2020年3月，新冠疫情引发市场巨震，外汇隐含波动率飙到历史高位。很多做市商因为Vega敞口过大，一天亏掉几个月的利润。那之后，我养成了一个习惯：每天监控Vega Exposure，并且用波动率互换或期货来对冲。
3.1.4 Theta（Θ）——时间衰减
Theta衡量的是：时间每过去一天，你的头寸价值损失多少。对于期权买方，Theta是敌人；对于卖方，Theta是朋友。
做市商通常是期权卖方，所以Theta是我们的“工资”。但要注意：Theta不是均匀衰减的。临近到期时，Theta会急剧增大。我见过有人持有大量深度虚值期权，以为Theta会慢慢吃掉，结果最后三天价格暴跌，Theta加速衰减，反而亏了大钱。
3.2 VaR模型基础：你的风险有多大？
希腊字母告诉你每个风险因子的敏感度，但你需要一个综合指标——VaR（Value at Risk，风险价值）。
VaR的定义很简单：在给定的置信水平和持有期内，你的头寸可能的最大损失。比如“95%置信水平下，1天VaR为100万美元”，意思是：有95%的把握，明天亏损不超过100万。
但这里有个坑：VaR不告诉你那5%的情况会亏多少。说白了，它只告诉你“大概率不会亏太多”，但真正致命的恰恰是那5%的尾部风险。
3.2.1 三种主流VaR计算方法
- 参数法（方差-协方差法）：假设收益率服从正态分布。计算简单，但外汇收益率往往有厚尾，低估风险。
- 历史模拟法：直接用过去N天的收益率数据，排序后取分位数。不依赖分布假设，但假设历史会重演。
- 蒙特卡洛模拟法：随机生成大量价格路径，计算组合损益分布。最灵活，但计算量大。
我个人习惯用历史模拟法做日常监控，用蒙特卡洛做压力测试。为什么？历史模拟快，能实时看到风险变化；蒙特卡洛慢，但能捕捉极端情景。
# 一个简单的历史模拟法VaR计算（Python伪代码）
import numpy as np
# 假设有100天的收益率数据
returns = np.array([...]) # 日收益率序列
confidence_level = 0.95
VaR = np.percentile(returns, (1 - confidence_level) * 100)
print(f"95% VaR: {VaR:.2%}")
3.3 压力测试场景设计：当黑天鹅来临时
VaR告诉你“正常情况”下的风险，但真正杀死做市商的，永远是那些“不正常”的情况。压力测试就是模拟这些极端情景。
我参与过几次压力测试设计，总结下来，场景设计分三类：
3.3.1 历史情景重现
直接拿过去发生过的危机事件来测试。比如：
- 1992年英镑危机（索罗斯狙击英镑）
- 2008年全球金融危机
- 2015年瑞郎黑天鹅（瑞士央行突然取消欧元/瑞郎下限）
- 2020年新冠疫情
这些事件都有明确的数据，你可以直接回测你的组合在那段时间的表现。
3.3.2 假设情景设计
想象一些“不可能”但“一旦发生就完蛋”的场景。比如：
- 欧元区解体，欧元对美元跌到0.5
- 日本央行突然加息500个基点
- 中美同时爆发金融制裁，人民币不可兑换
这些场景看似荒谬，但2015年瑞郎事件之前，谁又能想到瑞士央行会放弃汇率下限？
3.3.3 因子冲击矩阵
不依赖具体事件，而是直接对风险因子施加极端变动。比如：
- 所有汇率同时波动5个标准差
- 隐含波动率翻倍
- 流动性枯竭，买卖价差扩大10倍
这种方法的好处是：你不必预测具体事件，只需要知道你的组合在极端市场条件下能否存活。
知识体系总览
下面这张图，是我自己整理的风险度量框架。你可以把它当作本章的思维导图：
这张图把三个层次串起来了。你从微观的希腊字母开始，了解每个风险因子；然后用VaR汇总成一个数字；最后用压力测试检验极端情况。三者缺一不可。
好了，这一章的内容就到这里。风险度量是基本功，但也是最容易被忽视的。我见过太多交易员，希腊字母算得飞起，但一问VaR怎么算就懵了。记住：做市不是赌博，是管理风险的科学。把这些工具用好，你才能在市场里活得久。