16、做市策略风险管理框架：市场风险、信用风险、操作风险、流动性风险、模型风险
做结构化产品做市，说白了就是在刀尖上跳舞。你赚的是流动性溢价，但背后藏着五把刀——市场风险、信用风险、操作风险、流动性风险、模型风险。任何一个没管好，都可能让你一夜回到解放前。
我刚开始做这行的时候，总觉得风险管理是风控部门的事。直到有一次，一个看似完美的对冲策略，因为模型参数设错了一个小数点，差点把整个月的利润全吐回去。嗯，从那以后，我把风险管理刻进了每一个策略的骨子里。
核心观点：风险管理不是事后补救，而是事前设计。做市策略的成败，90%取决于你如何管理这五类风险。
16.1 市场风险：最熟悉的陌生人
市场风险，说白了就是价格波动带来的亏损风险。做市商赚的是买卖价差，但持仓的Delta、Gamma、Vega随时可能反咬你一口。
我个人习惯把市场风险拆成三块来看：
- 方向性风险（Delta）：标的价格朝不利方向移动。比如你卖了一个看涨期权，结果股票暴涨，你就亏了。
- 凸性风险（Gamma）：价格变动速度带来的风险。Gamma大的时候，Delta变化快，对冲频率跟不上就出事。
- 波动率风险（Vega）：隐含波动率变化。我记得有一次，市场突然恐慌，VIX一天跳了10个点，我的Vega敞口直接爆了。
实战技巧：我建议每天收盘前做一次希腊字母扫描。如果某个希腊字母的敞口超过当日预期利润的3倍，必须减仓或对冲。别问我为什么定3倍——这是用真金白银换来的经验。
16.2 信用风险：对手方不靠谱怎么办？
结构化产品做市，很多时候不是交易所标准化合约，而是OTC交易。这就意味着，你的交易对手可能是个你不那么了解的对冲基金，甚至是个小银行。
信用风险的核心就一句话：你赚钱了，但对方不给钱。
我在项目中遇到过最典型的情况：某次和一家中小券商做了一笔雪球产品交易，对方挂了1000万的保证金。结果市场大跌，对方保证金不够了，直接违约。嗯，从那以后，我对所有交易对手都做了严格的信用评级。
管理信用风险，我一般用这几招：
- 交易对手评级：按资产规模、历史违约率、股东背景打分，低于某个分数的不做。
- 保证金管理：动态调整初始保证金和维持保证金比例。波动率大的时候，保证金比例要上调。
- 集中度限制：单个交易对手的敞口不超过总资本的10%。
避坑指南：我曾经因为觉得某家大银行"不可能违约"，放松了保证金要求。结果那次雷曼事件让我明白——没有什么是"不可能"的。信用风险管理，永远不要相信"大而不倒"。
16.3 操作风险：最容易被忽视的杀手
操作风险，说白了就是人犯错、系统出bug、流程有漏洞。听起来很low，但杀伤力极大。
你想想看，一个交易员手滑多敲了一个零，或者系统在关键时刻宕机了5分钟，可能比你做错一个策略亏得还多。
我自己的团队，操作风险管理主要抓三点：
- 交易前检查：下单前自动校验订单金额、数量、对手方是否在限额内。超过限额直接拒绝。
- 双人复核：所有大额交易（超过某个阈值）必须两个人确认。别嫌麻烦，这救过我的命。
- 系统冗余：主交易系统、备用系统、手工应急流程，三层保障。我记得有一次主系统挂了，备用系统3秒内切换，没丢一笔交易。
数据说话：根据行业统计，操作风险导致的做市亏损，平均每笔金额是市场风险的2-3倍。但大家往往只盯着市场风险，忽略了操作风险这个"隐形杀手"。
16.4 流动性风险：有钱也买不到
流动性风险，就是你想平仓的时候，市场没有对手盘。或者，买卖价差大到让你吐血。
结构化产品尤其容易遇到这个问题。你卖了一个定制化的雪球产品，想对冲的时候发现市场上根本没有对应的标的。怎么办？
我一般用这几个指标来监控流动性风险：
| 指标 | 定义 | 预警阈值 |
|---|---|---|
| 买卖价差 | 最优卖价 - 最优买价 | 超过历史均值的2倍 |
| 市场深度 | 最优价位上的挂单量 | 低于最小交易单位的5倍 |
| 换手率 | 日成交量 / 流通量 | 低于0.5% |
| 冲击成本 | 完成目标交易量所需的价格滑点 | 超过预期利润的20% |
说白了，如果某个产品的流动性指标亮红灯，我宁愿不报价，也不硬着头皮做。因为一旦市场反转，你根本跑不掉。
16.5 模型风险：你的假设可能是错的
模型风险，这是做量化的人最不愿意面对，但又不得不面对的问题。
你的定价模型、对冲模型、风控模型，都是基于某些假设的。比如假设波动率是常数，假设收益率服从正态分布，假设市场是有效的。但现实世界，这些假设经常不成立。
我记得有一次，我用Black-Scholes模型给一个奇异期权定价，结果市场出现了极端行情，波动率曲面完全扭曲，模型算出来的价格和实际成交价差了30%。
怎么管模型风险？我的经验是：
- 模型验证：每个新模型上线前，必须经过回测、压力测试、敏感性分析。不能只看回测结果，还要看极端情况下的表现。
- 模型组合：不要只依赖一个模型。我习惯同时跑2-3个不同假设的模型，看它们的结果是否一致。如果差异很大，说明模型本身有问题。
- 定期校准：模型参数不是设好就不管了。每周至少校准一次，市场环境变了，参数也要跟着变。
一个小建议：每次模型出问题，不要急着修参数。先问自己三个问题：假设还成立吗？数据够新吗？模型结构对吗？很多时候，问题出在假设上，而不是参数上。
16.6 五类风险的联动管理
这五类风险不是孤立的。市场风险大了，流动性风险也会跟着大。信用风险爆发，操作风险也可能被触发。
我自己的做法是建一个风险仪表盘，每天开盘前扫一眼：
# 伪代码示例：风险仪表盘核心逻辑
def risk_dashboard(portfolio):
risks = {}
# 市场风险
risks['market'] = calc_greek_exposure(portfolio)
# 信用风险
risks['credit'] = calc_counterparty_exposure(portfolio)
# 操作风险
risks['operational'] = check_trade_limits(portfolio)
# 流动性风险
risks['liquidity'] = calc_liquidity_score(portfolio)
# 模型风险
risks['model'] = model_divergence_check(portfolio)
# 综合评分
total_risk = sum(risks.values())
if total_risk > THRESHOLD:
reduce_position(portfolio, 20%) # 减仓20%
return risks
这个仪表盘不复杂，但很管用。它能让你一眼看出今天哪个风险最突出，该优先处理哪个。
最后说一句：风险管理不是束缚你赚钱的枷锁，而是让你能长期赚钱的保障。我见过太多人，赚了三年，一个月亏光。原因只有一个——风险管理没做到位。
交易系统化学习资料 微信Strategy888888