一、压力测试概述：什么是压力测试、为什么需要压力测试、压力测试在投资组合管理中的作用

1.1 什么是压力测试？

压力测试，说白了就是给你的投资组合“上强度”。

我习惯这么定义它：压力测试是一种风险管理工具，用来模拟极端市场条件下，你的资产组合会亏成什么样。

你想想看，平时我们做回测，用的都是历史数据。但历史数据里，往往只有“温和的波动”。真正的大崩盘、流动性枯竭、黑天鹅事件，十年八年才来一次。压力测试就是专门对付这些“不常见但真要命”的场景。

举个例子。我2015年刚入行时，帮一个私募做风控模型。当时他们只做常规的VaR（风险价值）计算，觉得挺安全。结果2015年股灾一来，VaR模型完全失效——因为VaR假设市场是正态分布，但极端行情根本不按正态分布走。那次之后，我彻底明白了：没有压力测试的风控，就像没有安全气囊的车。

1.2 为什么需要压力测试？

这个问题，我分三点来讲。

1. 常规模型有盲区

VaR、波动率、夏普比率这些指标，都是基于“正常市场”假设。但金融市场有个特点：肥尾效应。说白了，极端事件发生的概率，比正态分布预测的要高得多。压力测试就是专门补这个漏洞的。

2. 监管要求

巴塞尔协议III明确要求银行和金融机构做压力测试。国内证监会、银保监会也有类似规定。我记得2018年帮一家券商做系统时，他们就是因为监管检查没过，被要求整改。嗯，合规这东西，躲不过去的。

3. 心理准备

这一点很多人忽略。压力测试不只是算数字，更是给基金经理、投资人一个心理预期。我曾经见过一个私募老板，平时觉得自己很牛，结果2018年贸易战一来，组合回撤30%，他直接慌了，低位割肉。如果提前做过压力测试，知道“最坏情况也就这样”，心态会稳很多。

1.3 压力测试在投资组合管理中的作用

压力测试不是摆设，它在投资组合管理中有三个实打实的作用。

作用一：识别脆弱点

压力测试能告诉你，你的组合里哪个资产、哪个因子最“脆”。

举个例子。我做过一个多资产组合，里面有股票、债券、商品、REITs。常规回测看起来很美，年化收益12%，最大回撤只有8%。但一做压力测试——模拟2008年金融危机场景——发现组合里REITs的跌幅远超预期，直接把整个组合拖下水。

为什么会这样？因为REITs在流动性危机时，跟股票的相关性会急剧上升，分散化效果大打折扣。这个规律，不做压力测试根本发现不了。

作用二：优化资产配置

知道了脆弱点，下一步就是调整。压力测试可以帮你做“情景优化”。

我习惯的做法是：先设定几个极端场景（比如利率飙升、油价暴跌、疫情爆发），然后跑压力测试。看哪个场景对组合伤害最大，然后针对性地减仓或对冲。

比如2020年疫情爆发前，我帮一个客户做的压力测试里，就包含了“全球供应链中断”这个场景。测试结果显示，他的组合里航空股和旅游股风险极高。我们提前减了仓，后来疫情来了，虽然还是亏，但比同行少亏了十几个点。

作用三：设定风险预算

压力测试的结果，可以直接用来设定风险预算。

具体做法是：根据压力测试的最大亏损，倒推每个资产的头寸上限。

比如，你的组合总规模1个亿，你能接受的最大亏损是20%。压力测试显示，如果发生“2008年级别”的危机，你的股票仓位会亏35%。那好，股票仓位就不能超过5700万（5700万 * 35% ≈ 2000万，正好是总规模的20%）。

1.4 压力测试的核心逻辑框架

下面这张图，是我自己总结的压力测试知识体系。你看一眼，基本就明白压力测试的全貌了。

1.5 一个简单的压力测试代码示例

光说不练假把式。下面这个Python代码，是我平时做压力测试的“最小可用版本”。你拿过去就能跑。

import numpy as np
import pandas as pd

# 假设你的组合：60%股票 + 40%债券
weights = np.array([0.6, 0.4])

# 历史收益率数据（日收益率）
stock_returns = np.random.normal(0.001, 0.02, 1000)
bond_returns = np.random.normal(0.0005, 0.01, 1000)

# 构建收益率矩阵
returns_matrix = np.column_stack([stock_returns, bond_returns])

# 定义压力场景：股市暴跌30%，债券微跌5%
stress_scenario = np.array([-0.30, -0.05])

# 计算压力场景下的组合收益
portfolio_stress_return = np.dot(weights, stress_scenario)

print(f"正常市场下组合日收益均值: {np.mean(returns_matrix @ weights):.4f}")
print(f"压力场景下组合收益: {portfolio_stress_return:.4f}")
print(f"压力场景下组合亏损: {portfolio_stress_return * 1e8:.2f} 元（假设规模1亿）")

1.6 避坑指南

最后，分享几个我踩过的坑。

• 场景设计太乐观：我曾经设计压力测试时，觉得“2008年那种情况不会再来了”，结果场景设得太温柔。后来被风控总监打回来重做。记住：压力测试要往最坏处想，不是往合理处想。
• 忽略相关性变化：正常市场下，股票和债券是负相关。但危机时，两者可能同跌。如果你用正常市场的相关性去算压力测试，结果会严重失真。
• 只做一次：压力测试不是一次性工作。市场在变，组合在变，场景也要跟着更新。我建议每季度至少重跑一次。

---

好了，这一章就到这里。压力测试的概念、作用、框架，你应该都清楚了。下一章，我们开始动手——讲具体的场景设计方法。