2、风险因子识别：市场风险、信用风险、流动性风险、操作风险，以及如何量化这些因子
做对冲策略，第一步不是写代码，而是搞清楚你在跟谁打架。
我见过太多团队，一上来就搞复杂的统计套利模型，结果市场一波动，仓位直接爆掉。为什么？因为他们根本没识别清楚自己面对的风险因子。
说白了，风险因子就是那些能让你账户归零的「元凶」。今天我们就来拆解这四个最常见的家伙：市场风险、信用风险、流动性风险、操作风险。我会结合我自己的踩坑经历，告诉你每个风险怎么量化。
2.1 市场风险：最熟悉的陌生人
市场风险，说白了就是价格波动带来的亏损风险。股票跌了、利率变了、汇率动了，这些都算。
我个人习惯把市场风险分成两类：
- 方向性风险：赌涨跌。比如你买了BTC，BTC跌了你就亏。
- 非方向性风险：不赌方向，但赌波动率、相关性。比如你做期权跨式策略，波动率下降你就亏。
量化市场风险，最常用的指标是VaR（在险价值）和CVaR（条件在险价值）。
核心公式：
VaR(95%) = 在95%置信水平下，未来一天的最大可能亏损。
CVaR = 超过VaR的那部分亏损的平均值。
举个例子，你持仓100万，VaR(95%) = 5万。意思是：有95%的概率，你一天最多亏5万。但剩下的5%呢？可能亏20万，也可能亏50万。CVaR就是算这5%情况下的平均亏损。
我在项目中遇到过一个问题：用历史模拟法算VaR，结果样本里没有包含2020年3月的暴跌。那段时间的VaR严重低估。后来我改用蒙特卡洛模拟，加入了跳跃扩散过程，才勉强靠谱。
避坑指南：
我曾经只用正态分布假设算VaR，结果被市场狠狠教育了一顿。金融数据有厚尾特征，建议用t分布或者极值理论（EVT）。
2.2 信用风险：对手方不还钱的痛
信用风险，就是你的交易对手违约了。你借出去的钱收不回来，或者你持有的债券暴雷了。
在量化对冲里，信用风险往往被忽视。尤其是做期货、期权时，很多人觉得有保证金就没事。但你想想看，如果对手方是雷曼兄弟呢？2008年就是活生生的例子。
量化信用风险，我常用这几个指标：
- 违约概率（PD）：对手方违约的可能性。可以用Merton模型或者KMV模型估算。
- 违约损失率（LGD）：一旦违约，你能拿回多少？通常假设40%-60%的回收率。
- 风险敞口（EAD）：违约时你暴露在风险中的金额。
预期损失 = PD × LGD × EAD
嗯，这里要注意：信用风险不是静态的。市场好的时候PD很低，市场崩盘时PD会急剧上升。这就是所谓的「风险因子相关性」——市场风险和信用风险往往是联动的。
警告：
不要单独看信用风险指标。我见过一个策略，信用风险VaR很低，但市场风险VaR很高。结果市场暴跌时，信用风险也跟着爆了。两个风险同时发生，这叫「尾部风险叠加」。
2.3 流动性风险：看得见吃不着
流动性风险，就是你想卖的时候卖不掉，或者只能以极低的价格卖出。
我刚开始做量化时，犯过一个低级错误：在某个小币种上建了很大的仓位，结果想平仓时，盘口深度只有我仓位的十分之一。我一卖，价格直接砸穿。那次亏损让我记住了：流动性比收益率更重要。
量化流动性风险，我一般看这几个维度：
| 指标 | 计算方法 | 我的经验阈值 |
|---|---|---|
| 买卖价差 | (卖一价 - 买一价) / 中间价 | < 0.1% 为高流动性 |
| 市场深度 | 买卖各档位的挂单总量 | 至少能容纳我仓位的5倍 |
| Amihud非流动性指标 | 日收益率绝对值 / 日成交额 | 数值越大，流动性越差 |
| 换手率 | 日成交量 / 流通市值 | < 1% 要警惕 |
我个人习惯在策略里加一个「流动性过滤器」：如果当前持仓超过市场深度的20%，就暂停交易，或者拆分成小单慢慢执行。
实战技巧：
做回测时，一定要考虑流动性成本。我通常会在回测中加上一个「滑点模型」：假设每笔交易都会产生0.5个买卖价差的滑点。这样回测结果更接近实盘。
2.4 操作风险：人总是会犯错的
操作风险，就是内部流程、人员、系统或外部事件导致的损失。说白了，就是「人祸」。
你可能觉得操作风险跟量化没关系。错！我见过最惨的一次：某个同事在部署策略时，把「买入」和「卖出」的API参数填反了。结果本来要做多，变成了做空。一天亏了200万。
量化操作风险，比前三个难得多。因为它不像价格数据那样有历史记录。我常用的方法有：
- 损失分布法（LDA）：收集历史上的操作风险事件，拟合损失频率和损失幅度分布。
- 情景分析：假设一些极端场景，比如「交易系统宕机2小时」，然后估算损失。
- 关键风险指标（KRI）：比如交易错误次数、系统延迟时间、未平仓订单数量等。
举个例子，我团队会监控「每日交易错误次数」。如果某天错误次数超过3次，就会触发警报，暂停所有自动交易，人工介入检查。
避坑指南：
我曾经以为操作风险是小概率事件，不值得花精力。直到有一次，因为数据库连接池配置错误，导致策略在开盘时无法获取行情数据，错过了最佳入场时机。那次之后，我专门写了一套「系统健康检查」脚本，每天开盘前自动运行。
2.5 风险因子量化框架图
下面这张图，是我自己总结的风险因子识别与量化框架。你可以把它当作一个检查清单，每次设计策略时都过一遍。
2.6 实战中的风险因子联动
你可能会问：这四个风险因子是独立的吗？
当然不是。它们就像多米诺骨牌，一个倒了，其他的也跟着倒。
我举个例子：2020年3月，新冠疫情引发市场恐慌（市场风险）。大量企业面临现金流断裂，违约概率飙升（信用风险）。投资者争相抛售资产，导致流动性枯竭（流动性风险）。交易员在恐慌中频繁误操作，系统也扛不住压力（操作风险）。
你看，四个风险因子在短短几天内全部爆发。
我的建议：
在做风险对冲时，不要只盯着一个因子。我习惯用「风险预算」的思路：给每个风险因子分配一个「风险额度」，然后监控它们之间的相关性。如果某个因子的风险敞口超标，就动态调整对冲比例。
量化风险因子，不是为了预测未来，而是为了在极端情况发生时，你还能活着。记住：对冲策略的核心不是赚多少钱，而是能活多久。
公众号:蓝海资料掘金营，微信deep3321