欢迎来到风险衡量（Risk Measurement）！
欢迎！我们即将深入研究 CAIA Level II 课程中最实用的章节之一：风险衡量。如果你曾经想过：“我这笔投资到底最多会赔多少钱？”那你来对地方了。虽然数学公式乍看之下可能有点吓人，但一旦拆解开来，这些概念其实非常直观。我们将探讨专业人士如何量化不确定性，并为“最坏情况”预作准备。
别担心，如果刚开始觉得有点难懂也不要紧！ 我们会运用简单的类比和步骤教学，确保你能够充满信心地学习。让我们开始吧！
1. 超越标准差：理解风险
在之前的学习中，你可能主要使用标准差（Standard Deviation）作为衡量风险的主要指标。它衡量的是回报在平均值周围“波动”的程度。然而，在另类投资（例如对冲基金或私募股权）的世界中，标准差往往显得不足，因为回报并不总是呈现“常态分布”（它们未必总是遵循规律的钟形曲线）。
常态分布的问题：
许多另类资产会有负偏态（negative skewness）（频繁的小额获利，但偶尔出现巨大亏损）以及峰度过高（excess kurtosis）（厚尾效应，意指极端事件发生的频率高于预期）。正因如此，我们需要更精密的方法。
类比：标准差就像是知道一个城市的平均气温是 70 度。这听起来很棒，但它无法告诉你是否会有 5% 的机率出现致命的热浪或暴风雪。风险衡量工具能帮助我们专注于那些“暴风雪”。
关键术语：风险价值（Value at Risk, VaR）
风险价值（VaR）是回答以下问题最常见的方式：“在特定的信心水平下，我的投资组合在特定时间内可能遭受的最大损失是多少？”
一个典型的 VaR 陈述看起来像这样：“该投资组合在接下来的一个月中，有 5% 的机率会损失超过 100 万美元。”
计算 VaR 的三种方法
- 参数法（Parametric / Analytical Method）： 这是使用公式的方法。它假设回报遵循特定的分布（通常是常态分布）。
\( VaR = | \mu - (z \times \sigma) | \)
其中 \( \mu \) 是平均值，\( \sigma \) 是标准差，而 \( z \) 是临界值（例如 95% 信心水平下为 1.65）。 - 历史模拟法（Historical Simulation Method）： 这不需要公式！你只需要检视过去的绩效，并将回报从最差到最好排序。如果你有 100 天的数据，第 5 个最差的日子就是你的 95% VaR。
- 蒙特卡洛模拟（Monte Carlo Simulation）： 你利用电脑使用随机变量来“模拟未来”数千次。这对于包含期权或非线性回报的复杂投资组合非常有效。
快速回顾：
- 参数法： 速度快，但依赖“常态分布”的假设（这通常是错误的）。
- 历史法： 易于解释，但假设未来会跟过去一模一样。
- 蒙特卡洛法： 非常灵活，但构建成本高且复杂。
重点总结： VaR 告诉我们在最差的 \( X \)% 情况下我们预期损失的最低金额，但它并不会告诉我们如果超过那个临界点，损失会有多惨重。
2. 预期缺口（Expected Shortfall, ES / 条件式 VaR, CVaR）
如果 VaR 是危险区域的“门槛”，那么预期缺口（Expected Shortfall, ES）——也被称为条件式 VaR（CVaR）——就是当你进入该区域后会发生的情况。它计算的是分布尾端损失的平均值。
示例：如果你的 95% VaR 是 100 万美元，你知道有 5% 的机率会至少亏损 100 万美元。但如果你真的亏损超过 100 万美元，平均损失是 110 万美元还是 5000 万美元呢？预期缺口就能给你答案。
为什么要使用 ES？ 它对“厚尾”更敏感。它能告诉你“坏”到底有多坏。在 CAIA 课程中，ES 被视为一种一致性风险衡量（Coherent Risk Measure），而 VaR 则不是。（我们将在下一节解释什么是“一致性”！）
3. 一致性风险衡量的特性
要被视为“一致性”（这是一个数学上一致性的高级说法），风险衡量指标必须满足四个属性。这可是考试的热门题目！
一致性的四大戒律：
- 1. 单调性（Monotonicity）： 如果在所有可能的情况下，投资组合 A 的回报总是比投资组合 B 好，那么投资组合 A 的风险一定小于投资组合 B。（这很直观吧？）
- 2. 次可加性（Subadditivity）： 组合投资组合（A + B）的风险应该小于或等于 A 和 B 分开计算的风险总和。这反映了分散投资的好处。注意：VaR 在某些情况下无法通过此测试，这就是它不被视为“一致性”的原因。
- 3. 正齐次性（Positive Homogeneity）： 如果你将部位规模加倍，你的风险也会加倍。（如果你持有的高风险股票数量增加一倍，风险也会增加一倍）。
- 4. 平移不变性（Translation Invariance）： 如果你在投资组合中加入一定数量的现金（无风险资产），你的风险应该精确减少该金额。
记忆口诀：“MSPT”
Monotonicity (单调性)
Subadditivity (次可加性，最重要的一项！)
Positive Homogeneity (正齐次性)
Translation Invariance (平移不变性)
重点总结： 标准 VaR 有时会显示分散投资反而会“增加”风险（违反次可加性）。预期缺口则没有这个问题。
4. 下行风险衡量（Downside Risk Measures）
许多投资人不关心“上行风险”（赚太多钱的风险）。他们只在乎下行风险。以下是他们使用的工具：
半方差（Semivariance）与半离差（Semideviation）
标准差会将所有偏离平均值的情况（无论获利或亏损）都进行平方。半方差只会对落于平均值（或目标回报）下方的偏差进行平方。它会忽略那些“好的”波动。
索丁诺比率（Sortino Ratio）
你可能还记得夏普比率（Sharpe Ratio）。索丁诺比率就是它的“纯下行”表亲。
\( Sortino = \frac{R_p - MAR}{Downside Deviation} \)
其中 MAR 是最低可接受回报（Minimum Acceptable Return）。这个比率在对冲基金分析中非常受欢迎，因为它不会因为经理人有“过高”的上行波动而给予惩罚。
你知道吗？ 对一个具备高上行波动的基金使用夏普比率，实际上可能会让该基金看起来表现更差，即使投资人其实很喜欢高获利！索丁诺比率修正了这种偏差。
5. 压力测试与情境分析
VaR 和 ES 依赖于历史数据或统计分布。但如果发生了前所未有的事件怎么办？这就是这两种技术派上用场的时候：
- 情境分析（Scenario Analysis）： 你创造一个“如果……会怎样”的故事。例如：“如果油价翻倍会怎样？”或“如果大型银行倒闭会怎样？”然后你对你的特定投资组合会如何反应进行模型化。
- 压力测试（Stress Testing）： 你将某个特定变量推向极限（例如：“如果利率在一天内上升 500 个基点会怎样？”）来观察投资组合何时会崩溃。
要避免的常见错误：
不要将情境分析与压力测试搞混。情境分析通常涉及同时改变多个变量，以反映合理发生的事件（例如经济衰退）。压力测试则通常专注于单一机械因素的极端变动。
总结：融会贯通
为了掌握 CAIA Level II 的风险衡量，请记住这些核心主题：
- VaR 是业界标准，但有缺陷（它不是一致性的，且忽略了尾端风险）。
- 预期缺口（ES） 是 VaR 的“升级版”，因为它告诉我们尾端损失的平均值，且具备一致性。
- 一致性（Coherency） 由四个法则定义，其中次可加性对于分散投资最为重要。
- 下行风险衡量指标（如索丁诺比率）对于另类资产来说，通常比传统指标更具相关性。
- 压力测试 帮助我们为历史未曾显现的“不可思议”事件做好准备。
你做得到的！ 风险衡量只是为了建立一套工具箱，让我们能更清晰地看见这个世界。请持续练习这四个一致性属性的定义，这在考试中是高收益的重点！