3. 风险控制核心概念

在算法交易与自动化执行系统中，“风险控制”不是一句口号，而是一套可落地、可度量、可审计的工程机制。很多团队在策略研发阶段表现优异，却在实盘执行中因为对风险概念理解模糊而遭遇重大回撤。本节将围绕五个核心概念展开：风险识别、风险评估、风险度量、风险偏好与风险容忍度，帮助你在系统设计之初就建立清晰的风险语言。

一、核心原理：从定性到定量的风险链条

风险控制的本质，是把不确定性转化为可管理的信息流。算法执行场景中，风险来源极其多样：行情跳空、流动性枯竭、网络延迟、交易所限流、策略参数漂移、人为误操作等。若没有系统化的识别与度量，风控只能停留在“拍脑袋”阶段。

这五个概念构成一条完整的决策链：

• 风险识别：枚举可能造成损失的事件与暴露点，属于定性阶段。
• 风险评估：判断每个风险的发生概率与影响程度，确定优先级。
• 风险度量：用具体指标（如VaR、最大回撤、滑点分布）量化风险敞口。
• 风险偏好：机构或策略层面主动选择愿意承担的风险类型与方向。
• 风险容忍度：为每个指标设定阈值，超过即触发干预或熔断。

下面这张图展示了五者之间的输入输出关系与闭环反馈机制：

二、方法流程：五步落地法

将上述概念转化为可执行流程，建议按以下五步推进：

1. 建立风险清单：按市场风险、信用风险、操作风险、模型风险、技术风险分类，逐项列出算法执行中的具体暴露点。
2. 评估优先级：使用“概率×影响”矩阵，将风险分为高、中、低三档，优先处理高频高损项。
3. 定义度量指标：为每类风险选择可计算的指标，例如日内最大回撤、订单拒绝率、平均滑点、持仓集中度。
4. 设定偏好与容忍度：明确策略愿意承担的风险类型，并为每个指标设定预警线、止损线和熔断线。
5. 嵌入执行链路：将阈值检查写入下单前、下单中、成交后三个环节，形成实时拦截能力。

risk_limits:
  max_drawdown_pct: 2.5        # 日内最大回撤容忍度
  max_position_pct: 20         # 单标的持仓上限
  max_order_rate_per_sec: 50   # 每秒最大报单数
  max_slippage_bps: 15         # 最大允许滑点
  reject_rate_warn: 0.05       # 拒单率预警线
  reject_rate_stop: 0.15       # 拒单率熔断线

三、案例/场景：一次流动性枯竭事件

某量化团队在股指期货夜盘运行做市策略。风险识别阶段，他们已列出“流动性骤降”这一风险，但风险评估时低估了其影响，仅将其列为中优先级。风险度量上，他们监控了盘口价差，却未监控“盘口深度变化率”。

某夜突发宏观事件，盘口深度在3秒内下降80%，策略仍按原参数持续报单，导致大量成交在极端价位，日内回撤迅速突破5%。由于风险容忍度中未设置“深度骤降熔断”，系统未自动降频或暂停。

复盘发现：问题不在策略本身，而在于风险识别不完整、度量指标缺失、容忍度未覆盖该场景。后续他们补充了深度变化率指标，并设定“深度5秒内下降超过50%即暂停报单30秒”的规则。

四、误区与复盘