【资料图】

在2008年金融危机之后，欧美国家对衍生品交易的监管变得非常严厉。监管机构使用大量的数量化手段进行监管，激发了很多衍生品风险相关的研究和应用。场外衍生品在我国定位为风险管理业务，Risk Quant工作的重要性不言而喻。

早在金融危机之前，风险价值（VaR）就已经在华尔街广泛使用。在另一部反映2008年金融危机的好莱坞电影《Margin Call》中，一位火箭科学家（华尔街对PhD Quant的称呼）发现公司的投资组合已经超过VaR限额很多次，这是公司随时都有可能破产的预兆。近年来由于VaR的一些缺陷，另一种方法期望损失（ES）被欧美监管大力推广。在国内衍生品市场，使用这些指标对市场风险进行量化评估还处于起步阶段。

市场风险模型可以根据开发的上下游流程分成以下三个部分：

1）如何获取风险因子？可以是历史模拟法，所有风险因子数据都是真实发生过的，来源于历史上的某个时间段，缺点是历史数据的清洗与整理难度大。也可以是蒙特卡洛（Monte Carlo）法，风险因子数据来源于某些随机数学模型，缺点是数学模型不能很好的刻画风险因子的未来分布。

2）如何对衍生品估值？可以是泰勒（Taylor）展开，希腊字母值与风险因子相乘的和，不是很精确但是速度快。也可以是全估值法，将风险因子放入估值模型算出的估值，更为精确但是速度慢。

3）风险模型开发好之后，需要对其进行经常性的回测，以检验其准确性。例如，95%的日风险价值(Daily VaR)意味着有超过95%的概率投资组合的亏损不超过VaR值，但是在使用过去100天的数据做回测时，发现有其中有6天都超过VaR值，而期望值是5天（100*（1-95%）=5）。此时我们如何评价模型的好坏，如果不“好”的话该如何改进模型？

场外衍生品的名义金额都非常巨大，交易中大规模的使用授信。2008年的金融危机的高潮就是雷曼兄弟的破产，原因是它作为一个大型的中间交易商对其交易对手有巨大的信用暴露。信用风险爆发后的破坏力往往比市场风险的破坏力更大。衍生品的信用风险与常见的债券信用风险的最大不同之处就是如何估计交易对手的信用暴露。债券的信用暴露就是债券的面值，非常直观，而衍生品的信用暴露需要估计衍生品在未来的价值。与市场风险不同的是，在估计信用风险暴露时，往往使用Monte Carlo法生成风险因子场景与定价模型全估值的组合。部分原因是因为市场风险通常关注的是下一个交易日的持仓风险，而在信用风险中，对于不同交易对手追保(Margin)频率的不同，风险管理者面临着不同时间长度的风险暴露。

总之，衍生品交易商的量化模型可以非常复杂，来满足日益复杂的市场情况和风险管理需求。相较于国外成熟的投资银行，国内券商的量化团队还没有那么“大”。为了能够更好的管理住风险，期望各从业机构能继续投入大量的人力物力进入到量化方面的工作中来。