极端风险情景识别与压力测试实战

📚 共计 30 章节

风险的本质

定义金融风险 · 市场/信用/操作/流动性 · 风险管理目标与框架

核心概念分类

极端风险事件

黑天鹅与灰犀牛 · 2008/长期资本 · 极端风险统计特征

历史黑天鹅

压力测试基础

定义 · 与情景分析区别 · 巴塞尔协议地位

巴塞尔框架

情景设计方法论

历史情景 · 假设情景 · 混合情景 · 合理性检验

设计方法论

风险因子映射

识别关键因子 · 映射关系 · 冲击传导机制

市场风险压力测试

利率/汇率/股票暴跌/商品波动情景

信用风险压力测试

PD/LGD压力 · 信用利差 · 对手方风险

流动性风险压力测试

融资/市场流动性 · 挤兑 · LCR压力

流动性挤兑

操作风险压力测试

内外部欺诈 · 系统故障 · 人为失误量化

综合压力测试

多因子冲击 · 相关性假设 · 传染效应

逆压力测试

定义与目的 · 最后一根稻草 · 实践案例

逆测试极端

敏感性分析

Delta/Gamma/Vega · 压力测试应用 · 局限性

希腊字母敏感

蒙特卡洛模拟

随机模拟原理 · 极端路径生成 · 统计推断

极值理论 (EVT)

GEV · GPD · 阈值选取方法

相关性 · 尾部依赖 · Clayton/Gumbel/Frank

VaR与预期亏损 (ES)

VaR缺陷 · ES优越性 · 回测检验

宏观压力测试

GDP/CPI/失业率 · 宏观传导模型

行业压力测试

房地产/银行/能源/科技特定情景

监管压力测试

CCAR · DFAST · EBA · ICAAP

压力测试数据管理

数据质量 · 清洗 · 缺失值 · 频率对齐

模型风险与验证

假设检验 · 模型校准 · 回测与基准

验证模型风险

报告与可视化

结果可视化 · 仪表盘 · 汇报技巧

可视化报告

Python实现 (一)

NumPy/Pandas基础 · 因子数据加载预处理

Python实现 (二)

计算VaR与ES · 历史/参数/蒙特卡洛

Python实现 (三)

极值理论建模 · GEV/GPD拟合 · 阈值选择

Python实现 (四)

Copula建模 · 联合极端情景生成

Python实现 (五)

完整压力测试流水线 · 数据到报告

流水线自动化

案例实战 (一)

2008金融危机复现 · 历史情景压力测试

案例实战 (二)

俄乌冲突升级 · 能源与粮食市场冲击

机器学习 · 气候风险 · 实时压力测试系统