江苏龙网

  1. 首页 > 生活 > >

量化策略在风控方面有哪些常用的套路

本专业的东西还是可以答一答的：比较主流的套路是基于波动率的仓位控制，也就是被吐槽了一万年的VaR和与之相关的市场风险管理。但是一个很常见的问题是，很多交易者视角出发的策略不能很好的照顾到风险管理或者只能进行很粗陋的风险管理。这个问题我现在工作中遇到过一些，由于保密原因只能大概说一下思路。1.一个robust的策略本身就要考虑到随机性，甚至进行一些模拟（而非回测）来检验执行时的可能风险。当个别路径出现很大尾部的时候要考虑到如何应对或者直接在模拟时改变策略。这一点上，模拟(比如用MC生成路径）能发现的可能风险远比一般回测要多（尤其是市场较好时数据的回测）2.“止损”是一个非常模糊甚至有点不科学的概念，该观念下人们会有“我输了多少才去停止”的赌博思想。比较合理的做法是在直接控制或者限制资金的进入和仓位本身。VaR在这里是比较适普但是老套的做法，更细节的需要对具体策略具体分析。3.“回撤”是一个投资者角度的概念，对于设计者，可以在模拟或者回测时考虑一些的统计结果，比如极差，波动，偏度，峰度等这里没有提到具体模型，因为这是要具体策略具体分析的，就不多说了
■网友
风控是一个非常广泛的概念，在不同的领域甚至同一领域不同问题背景下的概念和范畴都不尽相同。从题主的问题来看，似乎要问的是交易中的风险控制策略。而楼上的某些答案则是针对银行信贷风险的。当然二者并非完全没有关联。
从金融的角度来看大体上可以对风控框架做以下这么一个小结。当然本人才疏学浅，仅仅是抛砖引玉欢迎各位大牛补充指正。

交易中的风控主要是控制市场风险。对于高频有专门的一些方法这里不再赘述。对于银行交易部门一般的业务，比如做市，主要就是维持头寸的风险标度在目标可控范围之内，比如delta, gamma, vega，duration, convexity, IR01/cs01这些敏感度指标。当然包括头寸的毛/净暴露(gross/net exposure). 控制尾部风险的指标包括常用的 VaR, expected shortfall等等。用于通常日内交易的VaR指标通常是95%的置信度。用于风险资本的则通常为99%。 用于财务报表的指标，比如10Q, 也通常使用95%的VaR. 近几年由于监管的要求，通常还会附加一些额外的指标，比如Basel 3的NSFR, LCR, 以及压力测试的stress limit等等。与通常基于历史数据的VaR等指标不同， stress limit一般是根据预先设计的风险因子的场景计算出来的。
信贷风控主要是信用风险，或者说违约风险。这里又可以分为wholesale与retail. 前者主要是针对企业贷款的风险控制，主要的指标是PD, LGD, EAD, EL, ECL，CVaR等等。这一领域最大的挑战是数据的极度匮乏，特别是高评级债务的违约风险，比如发达国家如美国的主权债务，市政债券(municipal bond)的违约风险等等。这种low default portfolio的违约风险，向来都是困扰银行量化建模的一个头痛的问题。许多银行自身缺乏数据，只能去购买其他机构，比如标普和穆迪的数据甚至模型。由于缺乏数据，所以什么大数据技术，机器学习之类的方法的用武之地也非常有限。
相对来说，retail的状况要好很多。由于消费信贷并不缺乏数据，使得大数据风控技术在这一块发展迅速。许多国内外的电商和互金企业也都已经实现了基于大数据技术的实时风控和信贷审批。
某些领域，比如对手风险，则需要综合使用以上二者的方法和技术手段进行风险管理, 因为同时存在交易对手的违约风险和市场波动风险。

■网友
简单的就是有效的。比如一个产品要求净值不能低于多少，那直接就在净值达到那个点位（多数时候要上浮一下，考虑清仓的冲击成本）时清盘即可。
目前很多量化交易工具可以实现这些要求。
以poboquant为例，注意要设置在tick级别执行：
明确设置好账户清盘金额
量化策略在风控方面有哪些常用的套路


推荐阅读


上一篇：每天工作12小时是啥体验

下一篇：啥是c语言和c++