4. 敏感度指标入门
在司库市场风险报告中，VaR回答的是“在给定置信水平下，未来一段时间最多可能亏多少”，而敏感度指标回答的是另一个更贴近交易与对冲的问题：当某个市场因子变动一个单位时，我的头寸价值会变化多少。VaR是总量风险语言，敏感度是边际风险语言。两者配合，才能既看清风险规模，又看清风险来源与对冲方向。
核心原理：敏感度是估值函数的一阶与二阶导数
把金融头寸的价值记为 V，把影响它的市场因子记为 x（如利率、股价、波动率、信用利差）。敏感度本质上就是估值函数对因子的导数：
一阶敏感度： dV/dx → 因子小幅变动带来的线性价值变化
二阶敏感度： d²V/dx² → 一阶敏感度自身随因子变化的速度
交叉敏感度： ∂²V/∂x∂y → 两个因子共同变动时的交互影响一阶敏感度用于快速估算损益、构建线性对冲；二阶敏感度用于修正非线性误差，尤其在因子大幅波动或期权类头寸中不可忽略。理解这一点，就能把下面所有指标归入统一框架，而不是死记硬背。
方法流程：从因子识别到敏感度归因
在司库实战中，敏感度报告不是简单罗列数字，而应遵循一条清晰流程：
- 识别风险因子：利率曲线、信用利差、汇率、股价、波动率、商品价格等，按币种和期限分桶。
- 映射头寸：把每个金融工具映射到对应因子，例如债券映射到利率曲线关键期限点，期权映射到标的与波动率。
- 计算敏感度：对线性工具用解析公式，对非线性工具用有限差分或AAD（自动伴随微分）。
- 汇总与限额：按组合、业务线、因子维度汇总，与限额比较，识别超限项。
- 对冲与归因：用敏感度构建对冲比率，并在损益归因中解释实际盈亏与敏感度预测的差异。
关键公式示例：债券价格对利率的一阶近似为 ΔP ≈ -D_mod × P × Δy，加入凸性修正后为 ΔP ≈ -D_mod × P × Δy + 0.5 × C × P × (Δy)²。当Δy较大时，凸性项决定估算精度。
案例/场景：司库组合的敏感度报告片段
假设某司库持有债券、利率互换和外汇远期，某日市场因子变动如下：利率曲线整体上行5bp，信用利差走阔3bp，美元兑人民币升值0.4%。敏感度报告可汇总为：
| 指标 | 含义 | 典型单位 | 适用场景 | 局限性 |
|---|---|---|---|---|
| DV01 | 利率变动1bp的价值变化 | 元/bp | 债券、互换、货币市场工具 | 仅一阶，忽略凸性 |
| 久期 | 价格对利率的百分比敏感度 | 年 | 债券组合、资产负债久期匹配 | 假设曲线平行移动 |
| 凸性 | 久期随利率变化的速度 | 年² | 大幅利率变动、含权债 | 三阶及以上仍被忽略 |
| Beta | 相对市场指数的系统性暴露 | 无量纲 | 股票、基金、权益组合 | 依赖历史回归窗口 |
| Delta | 标的价格变动的一阶敏感度 | 元/元 | 期权、可转债、结构化产品 | 标的大幅变动时失真 |
| Gamma | Delta对标的价格的敏感度 | 元/元² | 期权对冲、凸性交易 | 高阶项，解释成本高 |
| Vega | 隐含波动率变动1%的价值变化 | 元/% | 期权组合、波动率头寸 | 波动率曲面非平行移动 |
若报告显示DV01为负、凸性为正，说明组合在利率上行时受益，但受益幅度随利率上行而递减；若Delta为正、Gamma为负，说明标的价格上涨时组合盈利，但盈利速度放缓，接近“卖出期权”的风险特征。这些组合特征比单一数字更有决策价值。
误区/复盘：敏感度指标的常见误用
误区一：把DV01和久期混为一谈。DV01是绝对金额，久期是相对百分比，两者量纲不同，不能直接比较。DV01适合资金交易台，久期适合资产负债管理。
误区二：用Beta代替全部权益风险。Beta只捕捉系统性风险，个股特质风险、行业集中度、流动性风险都不在Beta中体现。
误区三：忽略Gamma和Vega的交互。期权组合中，标的价格大幅变动会同时改变Delta和Vega，单独看任一指标都可能低估风险。
误区四：敏感度加总等于组合敏感度。只有当估值函数近似线性时，个体敏感度才能简单加总；存在期权或含权条款时，必须重新估值。
复盘建议：每日将敏感度预测损益与实际损益对比，计算解释比例。若解释比例低于80%，应检查因子映射是否遗漏、非线性项是否被忽略、市场因子变动是否超出敏感度有效区间。敏感度报告的价值不在于数字本身，而在于它能否把VaR的“总量风险”拆解为可管理、可对冲、可归因的“边际风险”。
掌握这些指标后，下一阶段的工作是把它们嵌入司库日常报告模板：按币种、期限、业务线三个维度展示DV01与久期，按权益和期权头寸展示Beta、Delta、Gamma、Vega，并设置对应的敏感度限额。这样，市场风险报告就从“事后描述”升级为“事前导航”。