歡迎來到風險衡量（Risk Measurement）！
歡迎！我們即將深入研究 CAIA Level II 課程中最實用的章節之一：風險衡量。如果你曾經想過：「我這筆投資到底最多會賠多少錢？」那你來對地方了。雖然數學公式乍看之下可能有點嚇人，但一旦拆解開來，這些概念其實非常直觀。我們將會探討專業人士如何量化不確定性，並為「最壞情況」預作準備。
別擔心，如果剛開始覺得有點難懂也不要緊！ 我們會運用簡單的類比和步驟教學，確保你能夠充滿信心地學習。讓我們開始吧！
1. 超越標準差：理解風險
在之前的學習中，你可能主要使用標準差（Standard Deviation）作為衡量風險的主要指標。它衡量的是報酬在平均值周圍「波動」的程度。然而，在另類投資（例如對沖基金或私募股權）的世界中，標準差往往顯得不足，因為報酬並不總是呈現「常態分佈」（它們未必總是遵循規律的鐘形曲線）。
常態分佈的問題：
許多另類資產會有負偏態（negative skewness）（頻繁的小額獲利，但偶爾出現巨大虧損）以及峰度過高（excess kurtosis）（厚尾效應，意指極端事件發生的頻率高於預期）。正因如此，我們需要更精密的方法。
類比：標準差就像是知道一個城市的平均氣溫是 70 度。這聽起來很棒，但它無法告訴你是否會有 5% 的機率出現致命的熱浪或暴風雪。風險衡量工具能幫助我們專注於那些「暴風雪」。
關鍵術語：風險價值（Value at Risk, VaR）
風險價值（VaR）是回答以下問題最常見的方式：「在特定的信心水準下，我的投資組合在特定時間內可能遭受的最大損失是多少？」
一個典型的 VaR 陳述看起來像這樣：「該投資組合在接下來的一個月中，有 5% 的機率會損失超過 100 萬美元。」
計算 VaR 的三種方法
- 參數法（Parametric / Analytical Method）： 這是使用公式的方法。它假設報酬遵循特定的分佈（通常是常態分佈）。
\( VaR = | \mu - (z \times \sigma) | \)
其中 \( \mu \) 是平均值，\( \sigma \) 是標準差，而 \( z \) 是臨界值（例如 95% 信心水準下為 1.65）。 - 歷史模擬法（Historical Simulation Method）： 這不需要公式！你只需要檢視過去的績效，並將報酬從最差到最好排序。如果你有 100 天的數據，第 5 個最差的日子就是你的 95% VaR。
- 蒙地卡羅模擬（Monte Carlo Simulation）： 你利用電腦使用隨機變數來「模擬未來」數千次。這對於包含選擇權或非線性回報的複雜投資組合非常有效。
快速回顧：
- 參數法： 速度快，但依賴「常態分佈」的假設（這通常是錯誤的）。
- 歷史法： 易於解釋，但假設未來會跟過去一模一樣。
- 蒙地卡羅法： 非常靈活，但建構成本高且複雜。
重點總結： VaR 告訴我們在最差的 \( X \)% 情況下我們預期損失的最低金額，但它並不會告訴我們如果超過那個臨界點，損失會有多慘重。
2. 預期缺口（Expected Shortfall, ES / 條件式 VaR, CVaR）
如果 VaR 是危險區域的「門檻」，那麼預期缺口（Expected Shortfall, ES）——也被稱為條件式 VaR（CVaR）——就是當你進入該區域後會發生的情況。它計算的是分佈尾端損失的平均值。
範例：如果你的 95% VaR 是 100 萬美元，你知道有 5% 的機率會至少虧損 100 萬美元。但如果你真的虧損超過 100 萬美元，平均損失是 110 萬美元還是 5000 萬美元呢？預期缺口就能給你答案。
為什麼要使用 ES？ 它對「厚尾」更敏感。它能告訴你「壞」到底有多壞。在 CAIA 課程中，ES 被視為一種一致性風險衡量（Coherent Risk Measure），而 VaR 則不是。（我們將在下一節解釋什麼是「一致性」！）
3. 一致性風險衡量的特性
要被視為「一致性」（這是一個數學上一致性的高級說法），風險衡量指標必須滿足四個屬性。這可是考試的熱門題目！
一致性的四大戒律：
- 1. 單調性（Monotonicity）： 如果在所有可能的情況下，投資組合 A 的報酬總是比投資組合 B 好，那麼投資組合 A 的風險一定小於投資組合 B。（這很直觀吧？）
- 2. 次可加性（Subadditivity）： 組合投資組合（A + B）的風險應該小於或等於 A 和 B 分開計算的風險總和。這反映了分散投資的好處。注意：VaR 在某些情況下無法通過此測試，這就是它不被視為「一致性」的原因。
- 3. 正齊次性（Positive Homogeneity）： 如果你將部位規模加倍，你的風險也會加倍。（如果你持有的高風險股票數量增加一倍，風險也會增加一倍）。
- 4. 平移不變性（Translation Invariance）： 如果你在投資組合中加入一定數量的現金（無風險資產），你的風險應該精確減少該金額。
記憶口訣：「MSPT」
Monotonicity (單調性)
Subadditivity (次可加性，最重要的一項！)
Positive Homogeneity (正齊次性)
Translation Invariance (平移不變性)
重點總結： 標準 VaR 有時會顯示分散投資反而會「增加」風險（違反次可加性）。預期缺口則沒有這個問題。
4. 下檔風險衡量（Downside Risk Measures）
許多投資人不關心「上檔風險」（賺太多錢的風險）。他們只在乎下檔風險。以下是他們使用的工具：
半變異數（Semivariance）與半離差（Semideviation）
標準差會將所有偏離平均值的情況（無論獲利或虧損）都進行平方。半變異數只會對落於平均值（或目標報酬）下方的偏差進行平方。它會忽略那些「好的」波動。
索丁諾比率（Sortino Ratio）
你可能還記得夏普比率（Sharpe Ratio）。索丁諾比率就是它的「純下檔」表親。
\( Sortino = \frac{R_p - MAR}{Downside Deviation} \)
其中 MAR 是最低可接受報酬（Minimum Acceptable Return）。這個比率在對沖基金分析中非常受歡迎，因為它不會因為經理人有「過高」的上檔波動而給予懲罰。
你知道嗎？ 對一個具備高上檔波動的基金使用夏普比率，實際上可能會讓該基金看起來表現更差，即使投資人其實很喜歡高獲利！索丁諾比率修正了這種偏差。
5. 壓力測試與情境分析
VaR 和 ES 依賴於歷史數據或統計分佈。但如果發生了前所未有的事件怎麼辦？這就是這兩種技術派上用場的時候：
- 情境分析（Scenario Analysis）： 你創造一個「如果……會怎樣」的故事。例如：「如果油價翻倍會怎樣？」或「如果大型銀行倒閉會怎樣？」然後你對你的特定投資組合會如何反應進行模型化。
- 壓力測試（Stress Testing）： 你將某個特定變數推向極限（例如：「如果利率在一天內上升 500 個基點會怎樣？」）來觀察投資組合何時會崩潰。
要避免的常見錯誤：
不要將情境分析與壓力測試搞混。情境分析通常涉及同時改變多個變數，以反映合理發生的事件（例如經濟衰退）。壓力測試則通常專注於單一機械因素的極端變動。
總結：融會貫通
為了掌握 CAIA Level II 的風險衡量，請記住這些核心主題：
- VaR 是業界標準，但有缺陷（它不是一致性的，且忽略了尾端風險）。
- 預期缺口（ES） 是 VaR 的「升級版」，因為它告訴我們尾端損失的平均值，且具備一致性。
- 一致性（Coherency） 由四個法則定義，其中次可加性對於分散投資最為重要。
- 下檔風險衡量指標（如索丁諾比率）對於另類資產來說，通常比傳統指標更具相關性。
- 壓力測試 幫助我們為歷史未曾顯現的「不可思議」事件做好準備。
你做得到的！ 風險衡量只是為了建立一套工具箱，讓我們能更清晰地看見這個世界。請持續練習這四個一致性屬性的定義，這在考試中是高收益的重點！