2. 风险量化基础

在构建量化风险看板之前，必须先回答一个基础问题：我们究竟在量化什么？风险不是单一数字，而是一组关于“未来损失不确定性”的结构化描述。本节将风险从定义、分类推进到可计算指标，并解释每个指标背后的业务含义，为后续看板与告警闭环打下共同语言。

一、风险的定义与分类：先统一语言

在量化语境下，风险可定义为：在给定时间窗口与置信水平下，由于市场、信用、流动性或操作因素导致资产组合发生非预期损失的可能性与规模。这个定义包含三个关键要素：时间窗口、置信水平、损失分布。缺少任一要素，风险数字都不可比。

按来源划分，常见风险类型包括：

• 市场风险：利率、汇率、股价、商品价格波动导致的敞口价值变化。
• 信用风险：交易对手违约或评级迁移带来的损失。
• 流动性风险：无法按合理价格及时平仓或融资，分为市场流动性与融资流动性。
• 操作风险：流程、系统、人员或外部事件造成的损失，如错单、断线、权限滥用。
• 集中度风险：持仓、行业、交易对手过度集中，放大单一冲击。

分类的意义在于：不同风险对应不同指标、不同数据源、不同告警阈值。看板若混用指标，会导致误判。

二、常见量化指标：计算逻辑与业务含义

以下指标是风险看板的核心构件。理解其计算逻辑，才能正确设置告警。

三、指标计算逻辑：以VaR与ES为例

VaR有三种主流算法：历史模拟法、参数法、蒙特卡洛模拟。历史模拟法直接取历史收益率分布分位数，直观但依赖历史；参数法假设正态分布，计算快但低估尾部；蒙特卡洛模拟灵活但计算重。ES则在VaR基础上取条件期望。

以下为历史模拟法计算VaR与ES的核心逻辑示意：

# 输入：组合日收益率序列 returns，置信水平 alpha=0.99
sorted_returns = sort(returns)          # 升序排列
var_index = floor((1 - alpha) * len(sorted_returns))
VaR = -sorted_returns[var_index]        # 取左尾分位数并取正
tail_losses = sorted_returns[:var_index]
ES = -mean(tail_losses)                 # 尾部条件期望
print(f"VaR(99%)={VaR:.4f}, ES(99%)={ES:.4f}")

业务上，VaR用于日常限额监控，ES用于压力测试与资本计提。若ES远大于VaR，说明尾部风险厚，需提高警惕。

四、案例与场景：从指标到看板告警

假设某权益组合日收益率序列计算得：VaR(99%)=2.1%，ES(99%)=3.8%，年化波动率18%，前五大持仓占比62%，HHI=0.14。看板可设置如下告警规则：

• VaR突破2.5% → 黄色告警；突破3% → 红色告警。
• ES/VaR比值＞1.8 → 尾部风险告警。
• 波动率突破过去一年90分位 → 市场风险升温告警。
• 前五大持仓占比＞70% → 集中度告警。

这些规则将抽象指标转化为可执行的监控动作，形成“指标计算—阈值比对—告警触发—处置闭环”的数据链路。

五、误区与复盘：避免“指标正确、决策错误”

复盘时建议回答三个问题：指标是否覆盖了主要风险源？阈值是否与业务容忍度一致？告警后是否真正触发了处置动作？只有形成闭环，量化指标才不是“看板装饰”，而是风险管理的实际抓手。