3. 风险因子识别：利率、汇率、股票价格、信用利差、波动率等关键因子的选择
在压力测试情景构建中，风险因子识别是连接宏观经济情景与金融资产损益的桥梁。选择错误的因子或遗漏关键变量，会导致压力测试结果严重偏离真实风险暴露。本节将系统梳理五大核心风险因子的选择逻辑、数据特征及在A/B案例中的具体应用。
3.1 风险因子选择的核心原则
因子选择并非越多越好，需遵循以下三条硬性准则：
- 相关性原则：因子必须与投资组合或业务线的损益存在显著统计相关性（如银行账簿的净利息收入对利率敏感）。
- 可观测与可量化原则：因子需有公开市场数据或可靠估值模型支持，避免使用无法量化的主观变量。
- 情景可映射原则：所选因子必须能够从宏观经济情景（如GDP下降、失业率上升）中合理推导出压力变动幅度。
实战提示：在A/B案例中，我们优先选择“市场交易最活跃、流动性最好”的因子。例如，利率因子选用3个月SHIBOR和10年期国债收益率，而非流动性较差的30年期国债。
3.2 五大核心风险因子详解
| 风险因子 | 典型代理变量 | 压力情景方向 | 主要影响资产 | A/B案例应用 |
|---|---|---|---|---|
| 利率 | 短期基准利率、国债收益率曲线 | 陡峭化/平坦化/整体上移 | 债券、贷款、利率衍生品 | A案例：银行账簿净利息收入 |
| 汇率 | USD/CNY、EUR/USD等主要货币对 | 本币大幅贬值/升值 | 外汇敞口、跨境贷款、商品贸易 | B案例：跨国企业外汇风险 |
| 股票价格 | 沪深300、标普500、行业指数 | 暴跌30%-50% | 权益投资、股权质押、结构化产品 | A案例：券商自营权益头寸 |
| 信用利差 | AAA vs BBB级企业债利差 | 利差急剧走阔 | 信用债、CDS、贷款组合 | B案例：信用债持仓市值 |
| 波动率 | VIX指数、隐含波动率曲面 | 波动率飙升 | 期权、可转债、结构性存款 | A/B案例：衍生品估值调整 |
3.3 因子间的传导与联动关系
压力情景下，风险因子并非独立变动，而是通过经济逻辑相互传导。下图展示了五大因子在典型金融危机中的联动路径：
3.4 A/B案例因子选择对比
两个案例的因子选择因业务性质不同而各有侧重：
| 对比维度 | A案例：银行账簿压力测试 | B案例：交易账簿压力测试 |
|---|---|---|
| 首要因子 | 利率（占风险权重60%以上） | 股票价格 + 信用利差（合计70%） |
| 次要因子 | 信用利差（贷款违约风险） | 汇率（跨境头寸） |
| 辅助因子 | 波动率（期权类资产） | 波动率（衍生品对冲失效） |
| 因子数量 | 5个核心 + 3个辅助 | 4个核心 + 2个辅助 |
| 时间窗口 | 1-3年（持有至到期） | 10-30天（盯市调整） |
3.5 因子选择的操作步骤
- 业务敞口盘点：列出所有资产、负债及表外项目的风险敏感度。
- 敏感性分析：计算各因子变动1%对损益的影响（Delta/Normalized Sensitivity）。
- 相关性矩阵检验：剔除高度共线因子（如同时包含10年和30年国债收益率）。
- 历史压力情景回测：验证所选因子在2008年、2020年等危机中的表现。
- 专家评审校准：由交易员和风控主管确认因子选择的业务合理性。
关键检查点：在A/B案例中，我们使用“因子贡献度排名”方法——将每个因子对组合风险的贡献百分比排序，累计贡献达到85%以上的因子即为必选因子，其余作为可选或情景敏感性测试变量。
3.6 因子数据质量要求
压力测试结果的可靠性高度依赖因子数据的质量。以下是数据清洗的最低标准：
- 完整性：缺失值不超过连续5个交易日，否则需用插值或替代数据源。
- 一致性：同一因子在不同数据源（如Wind、Bloomberg）的差异需小于0.5%。
- 频率匹配：日频数据用于交易账簿，月频数据用于银行账簿。
- 极端值处理：保留历史危机期间的极端值，但剔除明显的报价错误（如价格跳空超过10个标准差）。
常见错误：直接使用未经调整的原始市场数据。例如，信用利差需剔除税收效应和期权调整价差（OAS），否则压力情景下的利差变动会被高估或低估。
3.7 因子选择文档化模板
在A/B案例中，我们要求每个因子都填写以下标准化卡片：
因子名称：10年期国债收益率
因子类型：利率
代理变量：CN10YR Index
数据频率：日频
数据来源：中国外汇交易中心
压力变动幅度：+200bps（历史95%分位）
映射情景：经济衰退 + 货币政策收紧
业务影响：债券持仓市值下降，净利息收入增加
验证状态：已通过历史回测（2008-2023）
通过以上系统化的因子识别流程，A/B案例的压力测试情景具备了可重复、可审计、可解释的坚实基础，为后续的损益计算和资本规划提供了可靠输入。