3. 情景分析理论框架：压力测试与情景分析的区别、历史情景与假设情景的构建逻辑
在风险计量实务中，压力测试与情景分析常被混用，但二者在方法论、目标与输出形态上存在本质差异。本章首先厘清概念边界，再深入拆解历史情景与假设情景的构建逻辑，为后续切片复盘提供理论锚点。
3.1 压力测试 vs 情景分析：核心差异
| 对比维度 | 压力测试 | 情景分析 |
|---|---|---|
| 核心问题 | “如果极端事件发生，损失有多大？” | “在特定宏观/市场环境下，风险如何演化？” |
| 变量处理 | 单变量或多变量同时冲击，幅度极端 | 多变量联动，强调传导路径与一致性 |
| 时间维度 | 通常为瞬时冲击（如1日、10日） | 可覆盖短、中、长期（如1季、1年） |
| 输出形态 | 损失分布尾部、资本缺口 | 损益路径、风险指标时序、拐点识别 |
| 典型用途 | 资本充足率、逆周期资本缓冲 | 策略压力测试、风险偏好设定、限额校准 |
| 监管要求 | 巴塞尔III/IV 强制要求 | ICAAP/ILAAP 建议性框架 |
实务提示： 压力测试是“找极限”，情景分析是“讲故事”。在切片复盘中，通常先用情景分析构建完整叙事，再从中提取关键冲击变量做压力测试。
3.2 历史情景构建逻辑
历史情景以真实发生过的极端事件为蓝本，通过事件切片与变量映射还原风险因子变动。构建流程如下：
- 事件选取：选择对当前组合有显著影响的历史危机（如2008全球金融危机、2015股灾、2020疫情冲击）。
- 窗口定义：确定冲击起止时间（如2008.09.01–2009.03.31），通常包含“恐慌期”与“恢复期”。
- 变量提取：从历史数据中提取利率、汇率、信用利差、权益指数、波动率等关键因子的日度变动。
- 映射校准：将历史变动幅度按当前组合敏感度重新缩放（如当前久期 vs 历史久期）。
- 回测验证：将历史情景施加于当前组合，对比实际历史损益与模拟损益的偏差。
关键约束： 历史情景假设“历史会重演”，但市场结构、流动性环境、监管规则已变。切片复盘时需标注“历史可比性”评级（高/中/低）。
3.3 假设情景构建逻辑
假设情景基于专家判断或模型推演，构建“从未发生过但可能发生”的极端环境。常见构建方法包括：
- 专家法：由交易台、风控、经济学家共同设定关键变量变动幅度（如“美债收益率+200bp，同时原油-30%”）。
- 极值理论法：基于GPD/GEV分布外推尾部联合变动，生成“超越历史”的冲击组合。
- 宏观情景推演：从GDP、通胀、失业率等宏观变量出发，通过卫星模型传导至市场因子。
- 反向压力测试：先设定损失阈值（如“亏损超过10亿”），再反向求解所需的市场冲击组合。
| 构建方法 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 专家法 | 灵活、快速、可融入机构特有风险 | 主观偏差、一致性差 | 日常限额测试、新产品审批 |
| 极值理论法 | 统计严谨、尾部覆盖充分 | 依赖长序列数据、多变量联合难 | 资本计量、CCAR压力测试 |
| 宏观情景推演 | 逻辑链条完整、监管友好 | 模型复杂、参数校准周期长 | ICAAP、年度压力测试 |
| 反向压力测试 | 直接回答“多大冲击会击穿防线” | 解不唯一、可解释性弱 | 风险偏好设定、资本规划 |
3.4 历史情景 vs 假设情景：选择矩阵
| 决策条件 | 优先使用历史情景 | 优先使用假设情景 |
|---|---|---|
| 数据可用性 | 历史数据充足、事件可比 | 历史数据缺失或结构断裂 |
| 监管要求 | CCAR、巴塞尔逆周期测试 | ICAAP、前瞻性风险评估 |
| 组合特征 | 传统资产、线性风险为主 | 衍生品、非线性、新资产类别 |
| 复盘目的 | 验证模型、归因历史损益 | 探索未知风险、设定预警阈值 |
常见误区： 不要将历史情景直接“照搬”到当前组合。必须做久期、凸性、波动率等敏感度缩放，否则复盘结果会严重失真。
3.5 情景构建全流程框架
下图展示了从情景定义到切片复盘的完整逻辑链路：
3.6 切片复盘中的情景应用要点
- 情景可比性校准：每次复盘前，检查当前组合的久期、杠杆、流动性特征是否与情景构建时的假设一致。
- 多情景并行：至少同时运行1个历史情景 + 1个假设情景，形成“基准-压力-极端”三层结果。
- 情景失效预警：当实际市场波动超过情景设定阈值时，触发“情景失效”标记，启动动态重构建。
- 文档化：每个情景必须记录构建依据、参数来源、校准过程，确保监管可追溯。
切片复盘黄金法则： 情景是“假设”，复盘是“验证”。不要因为情景漂亮就忽略回测偏差，也不要因为回测偏差就全盘否定情景逻辑——偏差本身可能就是最重要的风险信号。