4. 参数敏感性分析基础
在结构化产品的全生命周期中，模型输出从来不是单一确定值，而是随市场参数、模型假设和合约条款共同变化的函数。参数敏感性分析，就是系统性地回答“当输入参数发生微小或显著变化时，产品价值、希腊字母或风险指标会如何响应”的核心工具。它既是模型验证的起点，也是风险沟通的语言。
一、核心原理：从“点估计”到“响应曲面”
结构化产品定价通常依赖蒙特卡洛模拟、偏微分方程或树图方法。无论哪种方法，模型都可抽象为映射：V = f(x₁, x₂, …, xₙ)，其中 xᵢ 包括标的资产价格、波动率、无风险利率、股息率、相关性、信用利差、提前赎回概率等。敏感性分析的本质，是研究该映射在局部或全局范围内的变化率与形态。
局部敏感性以偏导数为基础，衡量单点附近的线性响应，典型代表是希腊字母：Delta、Gamma、Vega、Theta、Rho。全局敏感性则考察参数在完整分布区间内对输出方差的贡献，常用 Sobol 指数、Morris 筛选法。两者的关键区别在于：局部方法快但只反映邻域，全局方法计算昂贵但能捕捉非线性与交互效应。
二、常用方法：单因素、多因素、局部与全局
按参数变动数量和范围，敏感性分析可分为四类，实际工作中常组合使用：
| 方法类型 | 典型技术 | 适用场景 | 优点 | 局限 |
|---|---|---|---|---|
| 单因素局部 | 有限差分、希腊字母 | 快速风险敞口、对冲 | 计算快、解释直观 | 忽略交互、仅邻域有效 |
| 多因素局部 | 交叉偏导、情景矩阵 | 联合冲击、相关性分析 | 捕捉二阶交互 | 维度灾难、参数组合爆炸 |
| 单因素全局 | Morris 筛选、单变量扫描 | 参数重要性排序 | 覆盖全区间、成本适中 | 不直接量化交互 |
| 多因素全局 | Sobol、FAST、回归方差 | 模型验证、资本计量 | 量化交互与非线性 | 计算量大、需分布假设 |
方法选择取决于三个约束：计算预算、参数维度、监管要求。例如，每日对冲台账适合单因素局部；季度模型验证适合全局 Sobol；压力测试则介于两者之间，强调极端但合理的联合冲击。
三、方法流程：从参数识别到报告闭环
- 参数识别与分层：列出全部输入，按市场参数、模型参数、合约参数分层，剔除常数或已锁定项。
- 基准情景设定：确定各参数基准值、合理区间与分布假设，记录数据来源与时间戳。
- 扰动设计：局部法采用 ±1bp、±1%、±10% 等相对扰动；全局法采用拉丁超立方或 Sobol 序列抽样。
- 批量计算：调用定价引擎，记录每个参数组合下的 V 及关键希腊字母。
- 结果聚合：计算敏感性系数、方差贡献、排序与热力图。
- 验证与复盘：检查符号方向是否符合金融直觉，量级是否与历史损益一致。
# 单因素局部敏感性示例（伪代码）
base_params = {S:100, sigma:0.25, r:0.03, T:2.0}
base_value = price_product(base_params)
for param in [S, sigma, r, T]:
bump = base_params[param] * 0.01
up = base_params.copy(); up[param] += bump
down = base_params.copy(); down[param] -= bump
sensitivity = (price_product(up) - price_product(down)) / (2 * bump)
print(param, sensitivity)
四、与压力测试、情景分析的关系
三者常被混用，但定位不同。敏感性分析回答“参数每变动一单位，价值变多少”，是连续、局部、可加总的；压力测试回答“在极端但可能的情景下，损失有多大”，是离散、极端、非线性的；情景分析则回答“在特定宏观叙事下，多参数联合变动会怎样”，是故事驱动、多参数联动的。
它们构成递进关系：敏感性分析提供风险因子排序，压力测试聚焦尾部，情景分析整合宏观逻辑。例如，某雪球产品先通过 Vega 和 Delta 敏感性识别波动率与标的价格为主要风险源；再设计“波动率跳升 15 个百分点 + 标的下跌 25%”的压力情景；最后嵌入“美联储加息 + 信用利差走阔”的宏观情景，观察多参数联合冲击下的敲入概率与估值损失。
五、误区与复盘
- 误区一：只做局部敏感性就下结论。结构化产品常含敲入敲出、障碍、自动赎回等非线性条款，局部斜率在障碍附近会剧烈变化，必须辅以全局扫描。
- 误区二：忽略参数相关性。利率与波动率、标的与信用利差往往同向变动，单因素分析会低估联合冲击。
- 误区三：扰动幅度随意。扰动过大进入非线性区，过小被数值噪声淹没。建议先做步长收敛测试。
- 误区四：把敏感性当预测。敏感性是条件响应，不是概率预测，不能直接等同于预期损失。