歡迎來到「風險指標與對沖的實證方法」！

你好！歡迎來到 FRM Part II 課程中最實用的一個章節。到目前為止，你可能花了很多時間研究那些假設市場是「完美」的，或者遵循鐘形曲線（常態分佈）的理論模型。但正如任何交易員都會告訴你的那樣，現實世界可是亂糟糟的！

在本章中，我們將拋開「完美」的理論，轉而探討實證方法（Empirical Approaches）。這意味著我們將使用真實的歷史數據來計算風險，更重要的是，學習如何保護（對沖）我們的投資組合。如果一開始覺得數學很嚇人，不用擔心——我們會把它拆解成簡單、符合邏輯的步驟。讓我們開始吧！


1. 為什麼要採用「實證」方法？

實證（Empirical）一詞的意思很簡單，即「基於觀察或經驗，而非理論」。在風險管理中，我們使用實證方法的原因如下：

  • 理論模型（如資本資產定價模型，CAPM）在市場崩盤時往往會失效。
  • 現實世界的數據存在「厚尾現象（Fat tails）」（極端事件發生的頻率比理論預測的要高）。
  • 它能讓我們觀察到資產在過去是實際如何聯動的。

你知道嗎？ 許多金融災難的發生，都是因為風險經理過度依賴理論模型，卻忽略了真實歷史數據在向他們發出的警告！

重點總結：

理論模型是一個很好的起點，但實證數據透過呈現資產在真實世界中的表現，為我們提供了「現實檢查（reality check）」。


2. 基於迴歸分析的對沖方法

實證對沖最常見的方法之一是使用線性迴歸（Linear Regression）。想像你有一個投資組合（我們稱之為 \( P \)），並希望利用一種對沖工具（我們稱之為 \( H \)）來抵消其風險。

我們使用以下的迴歸方程式：
\( \Delta P = \alpha + \beta \Delta H + \epsilon \)

其中：
- \( \Delta P \) 是你投資組合價值的變動。
- \( \alpha \) (Alpha) 是截距（如果對沖完美，這通常為零）。
- \( \beta \) (Beta) 是你的投資組合對對沖工具的敏感度。
- \( \epsilon \) (Epsilon) 是「殘餘風險」，也就是我們無法通過對沖消除的那部分風險。

最小變異數對沖比率（Minimum Variance Hedge Ratio）

為了抵消風險，你需要知道該賣出（或買入）多少對沖工具。最佳對沖比率（Optimal hedge ratio）就是迴歸分析中的 \( \beta \)：

\( \beta = \frac{Cov(\Delta P, \Delta H)}{Var(\Delta H)} \)

簡單的比喻： 想像你在遛一隻精力旺盛的狗。如果這隻狗（投資組合）向前衝 2 步，而你（對沖）向後拉 1 步，你的「beta」就是 2。為了保持不動，你需要以兩倍的力道向後拉！

快速複習：

為了最小化對沖後投資組合的變異數，你應該持有的對沖工具數量，等於投資組合與對沖工具之間的迴歸 Beta。


3. 固定收益對沖：實證存續期間（Empirical Duration）

在 Part I 的學習中，你了解了有效存續期間（Effective Duration）。那是一個理論公式。而在 Part II 中，我們探討的是實證存續期間（Empirical Duration）。

為什麼需要它？有時當國債殖利率上升時，公司債的信用利差（spread）實際上可能會縮窄。理論公式可能會遺漏這種相關性，但迴歸分析卻能捕捉到。

要找到實證存續期間，我們將債券價格變動 (\( \Delta P/P \)) 對基準利率變動 (\( \Delta y \)) 進行迴歸：

\( \frac{\Delta P}{P} = \alpha - D_{emp} \times \Delta y + \epsilon \)

常見錯誤提醒： 別忘了負號！存續期間與價格變動呈反向關係。如果迴歸算出的係數是負的，則存續期間本身就是一個正數。

重點總結：

對於高風險債券（如高收益債）而言，實證存續期間通常低於理論存續期間，因為它們的價格不僅受利率變動影響，還受信用利差等因素影響。


4. 應對多重風險：主成分分析（PCA）對沖

有時候，單一對沖是不夠的。例如，殖利率曲線不僅是上下移動，它還會扭曲與彎曲！這時就輪到主成分分析（Principal Component Analysis, PCA）出場了。

PCA 識別出風險的「主要驅動因素」。在利率方面，我們通常看三個：

  1. 水平（Level, PC1）： 整個曲線向上或向下移動（平行移動）。
  2. 斜率（Slope, PC2）： 短期利率比長期利率變動更大（變陡/變平）。
  3. 曲率（Curvature, PC3）： 曲線中間部分的變動與兩端不同（蝴蝶形移動）。

目標： 實證方法不是單純對沖「利率」，而是利用 PCA 來針對這三種特定的變動類型進行對沖。你需要至少三種不同的對沖工具來中和這三個成分。

快速複習：

PCA 將一組複雜的數據（例如 30 個不同的殖利率點）簡化為幾個易於管理的「因子」（水平、斜率、曲率），這些因子解釋了大部分的風險。


5. 回溯測試（Backtesting）與樣本外測試（OOS）

如果你根據 2023 年的數據建立了對沖模型，它在 2024 年還能運作嗎？這是實證金融中最關鍵的問題。

樣本內數據（In-Sample Data）： 用於計算對沖比率的數據（「訓練」數據）。
樣本外數據（Out-of-Sample, OOS Data）： 模型尚未見過的新數據（「測試」數據）。

過度擬合（Overfitting）的危險

如果你將對沖模型設計得過於複雜以致完美契合過去的數據，它很可能在未來失效。這被稱為過度擬合。這就像死記硬背特定考古題的答案，而不是理解概念——當正式考試出現不同的題目時，你就掛了！

樣本外測試的步驟：
1. 使用第一階段的數據估計你的對沖比率 (\( \beta \))。
2. 將該 \( \beta \) 應用到第二階段的數據中。
3. 計算第二階段對沖後投資組合的變異數。
4. 如果變異數顯著低於未對沖的投資組合，說明你的對沖模型是「穩健」的。

重點總結：

只有在樣本外（Out-of-Sample）也能運作的對沖才有意義。請務必在你建模時未使用的數據上測試你的實證模型！


6. 管理基差風險（Basis Risk）

沒有完美的對沖。在應用對沖後剩餘的風險稱為基差風險（Basis Risk）。

以實證術語來說，基差風險由迴歸標準誤（Standard Error of the Regression）或 \( \epsilon \)（殘差項）表示。如果迴歸的 \( R^2 \)（決定係數）很低，意味著你的對沖工具無法很好地追蹤你的投資組合，基差風險就會很高。

範例： 你想要對沖航空燃油價格的風險，但市面上沒有航空燃油期貨合約。你改用原油期貨來代替。航空燃油與原油變動之間的差異，就是你的基差風險。

快速複習：

高 \( R^2 \)： 對沖效果好，基差風險低。
低 \( R^2 \)： 對沖效果差，基差風險高。


最後總結與考試小貼士

別被「實證」這個詞嚇倒！只要記住以下核心概念：

  • 迴歸分析是我們尋找最佳對沖比率 (\( \beta \)) 的最好幫手。
  • 實證存續期間使用真實數據來觀察債券價格實際上如何反應利率變化。
  • PCA 將殖利率曲線風險分解為水平、斜率和曲率。
  • 樣本外測試是確認你的對沖在明天是否真的有效的唯一途徑。
  • 基差風險是我們的實證模型無法解釋的「殘餘」風險。

繼續加油！ 你正在掌握現實世界的風險經理每天都在使用的工具。市場風險可能確實是較偏向計量的章節，但一旦你理解了數字背後的邏輯，一切都會豁然開朗。你一定能行的！