亚洲无线码一区二区三区在线观看蜜臀_性爱无码视频_亚洲va中文字幕无码一区_中文字幕精品视频在线视频网站_尤物国产91九色综合久久

可大幅度提升風控措施的科學性與預判性

在資管計劃的長期運行中，隨著凈值的波動、投資方式的變動、資產類型的變化，會衍生出不同的風險點，呆板制式風險監(jiān)控手段已經顯示出其過于粗糙的缺點，而量化手段的全面引進將大幅度提升風控措施的科學性與預判性。

策略交易風險的量化管理

剖析量化投資實施過程的行為特征，可以把策略交易端的風險分解成模型風險、技術風險及運維風險。模型風險的發(fā)現(xiàn)與防范主要寄希望于交易前風控，在系統(tǒng)內上線的交易模塊越是可復盤可驗證，進行風險管控的難度就會大幅度降低。同時，對模型風險的交易中監(jiān)控也十分重要。

2015年1月5日，我們的風控系統(tǒng)中發(fā)現(xiàn)某模型用于開平倉判定的參數(shù)變成空值，導致模型無法獲得正確的交易狀態(tài)。在系統(tǒng)報出錯誤之后，我們停止了該模型的運行，復盤后發(fā)現(xiàn)程序讀取交易時間時，是從本地計算機讀取日期，從交易所數(shù)據(jù)讀取分鐘等數(shù)據(jù)，由于兩者時間的不一致，在0點0分的幾個tick內時間是錯誤的，在1月5日的夜盤數(shù)據(jù)中出現(xiàn)了標注為1月6日23點59分59.5秒（實際是1月5日23點59分59.5秒）這樣的數(shù)據(jù)，從而導致參數(shù)計算變成空值。這說明通過關鍵參數(shù)的實時跟蹤監(jiān)控，能夠及時發(fā)現(xiàn)類似問題，避免后續(xù)交易信號的紊亂。但需要指出的是，并非所有模型都有辦法做細致的風控，信息技術的發(fā)展帶來的交易技術升級，比如FPGA技術的應用，將軟件寫入硬件以提高運算速度，將對風控系統(tǒng)提出全新的監(jiān)控需求。

技術風險主要包括了交易策略的算法風險、技術平臺、交易實現(xiàn)、軟硬件、網絡鏈路等所有因技術原因導致程序化交易的系統(tǒng)未能產生及完成正確交易指令的風險。風控系統(tǒng)對技術風險的監(jiān)控主要解決網絡狀態(tài)監(jiān)聽、接口狀態(tài)與行情推送狀態(tài)監(jiān)聽、信號與成交回報比對、信號匯總與報倉信息的比對等，在發(fā)現(xiàn)異常的最短時間內觸發(fā)警報，或根據(jù)預案觸發(fā)風控操作。

量化策略的運維風險具有其特殊性，由于通常量化交易研究員大多深度參與交易系統(tǒng)的開發(fā)，但隨著系統(tǒng)趨于復雜化，IT部門必然全面介入系統(tǒng)構建，從開發(fā)部署至日常運維都離不開多部門的合作。

跨部門參與者數(shù)量大幅增加使系統(tǒng)的風險點分布在多個環(huán)節(jié)中，機構投資者的程序化交易便不再是僅僅啟動或關閉系統(tǒng)那么簡單，通常我們建議在每一類策略的運維方案中必須包含故障節(jié)點分析及應急處置預案等內容，盡可能真實的測試環(huán)境與壓力測試流程是必不可少的。

市場風險的管理

VaR是目前國內外一種主流的金融風險管理工具，被深入應用于對資產組合未來風險的預估中。對于市場風控模塊，對于單一品種的VaR在顯著性水平內表現(xiàn)較好，在實際應用的過程中沒有表現(xiàn)出過高或過低的評估風險，在顯著性水平內表現(xiàn)較好，能有效揭示市場風險，同時對于商品組合的VaR由于相關性的存在，評估方法需要更加精細，計算方法更加復雜。

計算金融資產VaR的兩個關鍵要素是收益率的概率分布與波動率的計算，所以要提高VaR的精度必須準確度量收益率的概率分布與波動率。對于統(tǒng)計分布的假設，傳統(tǒng)的VaR計算將收益率設為正態(tài)分布，但金融時間序列的分布往往具有比正態(tài)分布更寬的尾部，為更精確描述尾部特征，需要對誤差項μt的分布進行恰當?shù)募僭O，為此可用t分布或廣義誤差分布（GED）擬合厚尾，從而提高VaR的計算精度。其中t分布的概率密度函數(shù)（PDF）為：，Γ（。）為garmma函數(shù)， n為自由度，Rt為服從t分布的收益率序列。由t分布的性質可知，當ν時，t分布的概率密度分布收斂于標準正態(tài)分布概率密度。

GED分布是一種更加靈活的分布，通過對其中參數(shù)λ的調整，可以擬合不同的分布，其概率密度函數(shù)為：，其中λ為尾部厚度參數(shù)， Rt為服從GED分布的收益率序列。ν為廣義誤差分布參數(shù)，當ν》2，GED分布呈瘦尾分布；當ν=2，GED分布退化為正態(tài)分布；當ν《2，GED分布呈厚尾分布。

對于波動率的時變性，基于無條件分布計算下的收益率的標準差，其波動具有集簇性和爆發(fā)性，所以收益的方差（標準差）具有時變性。而GARCH模型較好地描述了誤差項波動集聚性，用GARCH模型得到的異方差參與VaR計算。

GARCH模型的主要思想是：擾動項μt的條件方差σt2依賴于它的前期值μt-1的大小，即：。

VaR通過在收益率的分布與波動率的計算方式兩個方面的改進來提高VaR的計算精度。通過GARCH_N（N代表正態(tài)分布）、GARCH_t（t代表t分布）、GARCH_GED（GED代表廣義誤差分布）等模型計算的VaR在多個品種中的表現(xiàn)，從上述計算的VaR的失敗率與顯著性水平的接近程度考慮，可以看到在VaR的計算精度上，GARCH_GED更具有優(yōu)越性。經過在多品種VaR計算的論證，我們風控系統(tǒng)VaR的計算最終采用GARCH_GED模型。

表1 各期貨品種四種模型的后驗測試結果

根據(jù)我們在橡膠的實盤運行中VaR方法對其的監(jiān)測結果，可以發(fā)現(xiàn)，在95%的情況下，我們的VaR可以很好地揭示風險，并依據(jù)策略對損失的容忍度設置了閥值，當VaR超越容忍閥值時，我們對投資經理做出了提示，及時做出倉位調整，降低風險。

計劃凈值風險的監(jiān)控

對于量化產品管理者來說，比較關注產品的凈值表現(xiàn)以及凈值風險。以清盤線設0.8的某產品為例，對凈值風險的監(jiān)控簡單分四個檔進行，首先是給出凈值可能到0.95的概率，凈值跌破0.95后給出可能跌到0.9的概率，以凈值間隔0.5為步長，類推到凈值可能到0.8的概率，即產品臨界清盤線的概率。一般當概率值超過20%時，系統(tǒng)需要發(fā)出警示，及時提示管理者是否要通過降低倉位等手段來降低風險。

以下是一個凈值風險監(jiān)控的模擬案例：假設最初2015年1月30日在銅的主力合約上建立一個空頭頭寸，建倉價位為39090元/噸，手數(shù)8手，總資金為100萬元，初始保證金占比15.7%，截至2015年3月24日，倉位保持不動，監(jiān)測這段時間的凈值風險。結果顯示，隨著倉位的變動，實際凈值在跌破0.95、0.9、0.85、0.8之前的幾天，通過計算持倉頭寸的價格風險，是可以對后市凈值表現(xiàn)做出一定的警示，供管理人參考。

表2 凈值風險列表

從表2中可以很清晰地看到，隨著倉位實際凈值的下降，凈值接近0.95、0.9、0.85、0.8的概率也在呈現(xiàn)接力式增加，且凈值變化趨勢與凈值可能到達臨界水平出現(xiàn)的概率值呈現(xiàn)了很好的負相關關系。在實際凈值接近臨界數(shù)值之前，量化的風控系統(tǒng)都提前及時地揭示這種風險將要發(fā)生的可能性很大，并給出了定量的數(shù)值，凈值風控系統(tǒng)有效地監(jiān)控了這種風險。

資管產品的風控是一個系統(tǒng)化的工程，在實務中管理人還會碰到自主管理產品與通道產品風控制度的差異，雖然很難總結出一套完美的體系架構，但將量化技術全面引入到風控的全流程中對產品的穩(wěn)健運行具有十分積極的意義。

此外，在我們最為熟悉的程序化交易領域，管理人面對的風險不僅是目前所持倉位繼續(xù)持有一段時間可能帶來的風險，更主要的是程序化交易繼續(xù)運行一段時間可能帶來的風險。對此，收盤后用蒙特卡洛模擬的方法估計繼續(xù)交易一天可能帶來的風險，就算沒有持倉，但模型的持續(xù)運行仍將帶來不確定性，而非僅僅估算已有持倉的影響，這對于目前很多風控系統(tǒng)而言都是全新的挑戰(zhàn)，值得深入研究及開發(fā)。