歡迎來到 VaR 映射（VaR Mapping）！
你好！歡迎來到 FRM Part II 課程中最實用的章節之一：VaR 映射。如果你曾經好奇過，一家擁有數百萬筆交易的巨型銀行，究竟是如何在不讓電腦崩潰的情況下算出一個「風險價值」（Value-at-Risk，簡稱 VaR）數字的，那你就來對地方了！
把 VaR 映射想像成一種「簡化過程」。我們不必去追蹤每一檔債券或股票的每一個細節，而是將它們「映射」（Map）到幾個核心的風險因子上。這就像描述一頓複雜的餐點，只需列出其主要成分（碳水化合物、蛋白質和脂肪）即可。閱讀完這份筆記後，你將會了解我們是如何對債券、股票和期權進行這項工作的！
1. 什麼是 VaR 映射？為什麼我們需要它？
在理想世界中，我們能擁有手中每一項金融工具數十年的價格數據。但在現實世界中，我們做不到。有些債券是新發行的，有些期權非常複雜，而有些資產則缺乏流動性。
VaR 映射就是將投資組合中的實際工具替換為一組標準化風險因子的過程。
我們為什麼要費心做映射？
1. 數據可用性：我們可能沒有某檔 7 年期公司債的價格歷史，但我們一定會有 7 年期基準國庫券（Benchmark Treasury）的利率歷史。
2. 計算效率：計算 50 個風險因子的風險，比計算 50,000 個個別證券的風險要快得多。
3. 一致性：它讓我們能夠匯總不同交易部門的風險（例如，比較債券的風險與利率掉期的風險）。
快速複習：核心概念
映射過程為：個別資產 → 風險因子 → VaR。
2. 固定收益投資組合的映射
固定收益（債券）是映射最常見的應用領域。由於債券具有不同的到期日和票面利率，我們需要一種方法將它們標準化。主要有三種方式：
方法 A：本金映射法（Principal-Only Mapping）
這是一種「快速且粗略」的方法。我們取債券的總價值，將其映射到單一風險因子上——通常是與債券最後一筆付款到期日相同的零息債券。
問題所在：它忽略了所有的票息支付！這會導致債券看起來比實際更具風險（久期被高估）。
方法 B：久期映射法（Duration Mapping）
在這裡，我們將債券映射到一個與我們債券具有相同久期（Duration）的零息債券上。
例子：如果你持有一檔 10 年期債券，其久期為 7 年，你就將其映射到 7 年期的零息風險因子上。這比本金映射法更好，因為它正確捕捉了利率敏感度，但它仍然忽略了收益率曲線的一些細節。
方法 C：現金流映射法（Cash-Flow Mapping，黃金標準）
這是最精確的方法。我們將每一筆現金流（每一期票息和最後的本金）視為個別的零息債券。然後，我們將這些現金流映射到標準頂點（Standard Vertices）（如 1 年、2 年、5 年等）。
如果某筆現金流落在兩個頂點之間（例如 1.5 年的付款），我們就將其拆分到 1 年和 2 年的頂點。我們這樣做是為了保留：
1. 現金流的價值。
2. 現金流的風險（變異數）。
如果這看起來很複雜，別擔心！只要記住，現金流映射就像是把一座樂高城堡拆開，並按顏色和大小對所有積木進行分類。
重點總結：
現金流映射法最精確，因為它考慮了每一筆付款的時間點，而久期映射法只看「平均」時間點。
3. 股票投資組合的映射
我們如何映射 5,000 檔不同的股票？我們使用因子模型（Factor Models）。
市場模型（Beta 映射）
映射股票最簡單的方法是使用其相對於市場指數（如 S&P 500）的 Beta (\( \beta \))。
股票的報酬率映射如下：
\( R_{stock} = \beta \times R_{market} + \epsilon \)
在 VaR 映射中，我們通常忽略「特殊風險」（\( \epsilon \)），只專注於「系統性風險」（\( \beta \times R_{market} \)）。
比喻：想像你在一艘大船後面的小艇上。如果大船移動（市場），你的小艇也會跟著移動，但強烈程度取決於你繩子的長短（你的 Beta）。
多因子模型（Multi-Factor Models）
為了提高準確度，我們將股票映射到多個因子，例如行業類別（科技、能源）、規模（小盤股 vs. 大盤股）或風格（價值股 vs. 成長股）。
你知道嗎？
映射到單一指數（Beta 映射）通常會低估 VaR，因為它忽略了「特質風險」（Idiosyncratic risk）——即無論市場如何，該特定公司可能發生的不利事件。
4. 期權（衍生性商品）的映射
期權具有「非線性」特徵，這使它們成為 VaR 映射中的「魔王關卡」。我們使用 希臘字母（The Greeks） 來進行映射。
Delta 映射
這是一種線性近似法。我們將期權視為標的股票的部位，並透過 Delta (\( \Delta \)) 進行調整。
\( \Delta Value \approx \Delta \times \Delta S \)
這在價格變動極小的情況下效果很好，但對於大幅波動而言卻很危險，因為它忽略了 Gamma。
Delta-Gamma 映射
為了更準確，我們加入了 Gamma (\( \Gamma \))，它能捕捉期權價格的「曲率」。
\( \Delta Value \approx (\Delta \times \Delta S) + (\frac{1}{2} \Gamma \times \Delta S^2) \)
記憶小撇步：
Delta 就像是速度。
Gamma 就像是加速度。
要預測你的車會開到哪裡，你既需要知道你開得有多快，也要知道你是否正在加速！
Vega 映射
別忘了波動率！Vega 映射了期權對隱含波動率（Implied Volatility）變化的敏感度。如果市場變得恐慌，即使股票價格不變，期權價值也會隨之改變。
5. 常見錯誤與陷阱
即使是最好的映射也可能出錯。以下是需要注意的事項：
1. 基差風險（Basis Risk）：當你的金融工具與風險因子之間的關係失效時就會發生。如果你將公司債映射到國庫券曲線，你可能會忽略公司信用利差擴大的風險。
2. 模型風險（Model Risk）：你的映射準確度取決於你的模型。如果你的 Beta 算錯了，VaR 就會錯。
3. 日內變化（Intra-day changes）：映射通常一天執行一次。如果投資組合在一天內發生了重大變化，「映射」就會變得過時。
6. 總結與最後的感想
VaR 映射的核心在於平衡。
第一步：識別金融工具（債券、股票、期權）。
第二步：選擇風險因子（收益率曲線、市場指數、波動率）。
第三步：映射敏感度（久期、Beta、Delta/Gamma）。
第四步：計算這些因子的 VaR。
考試重點：請務必理解，現金流映射法對債券最為詳盡，Beta 映射法是股票的標準做法，而 Delta-Gamma 映射法則是捕捉期權「曲線」風險所必需的。
繼續練習這些概念，你會發現映射不只是枯燥的技術活，更是現實世界中管理風險的秘訣。你一定做得到的！