Valuation and Risk Models 估值与风险模型 · 20% exam weight

How to Use This Guide 如何使用本指南

Value at Risk is the single most-tested framework in , but valuation chapters (duration, BSM) carry equal conceptual weight. 学习单元 10 quantifies market risk (VaR and volatility); 学习单元 11 covers credit, country and operational risk and stress testing; 学习单元 12 is pure valuation — fixed income and options. Mark each chapter "Mastered" with the checkbox and the top progress bar updates automatically.

章节地图 Chapter Map

Measures of Financial Risk 金融风险度量指标

要点：Describe the mean-variance framework and its limitations; compare the normal distribution with typical equity return distributions; define, compute and critique VaR; explain and calculate expected shortfall; define the properties of a coherent risk measure and explain why VaR is not coherent.

Plain English: How bad can a bad day get? The mean-variance framework compresses risk into a mean and a standard deviation — but it only works if returns are elliptical (normal). VaR reads a single quantile off the loss distribution; expected shortfall averages the tail beyond it. Coherence (monotonicity, sub-additivity, positive homogeneity, translation invariance) decides which measures can be trusted — and between the two, only ES satisfies all four. 从均值—方差，到 VaR，再到 ES 与一致性四公理——本章是全部风险度量的地基。

Mean-Variance Framework & the Efficient Frontier 均值—方差框架与有效前沿

均值—方差框架把风险压缩成两个数：组合期望收益 μ_P（均值）与标准差 σ_P。前提：收益服从椭圆分布（elliptical），最典型的特例即正态分布。两资产组合：μ_P = w₁μ₁ + w₂μ₂；σ_P = √(w₁²σ₁² + w₂²σ₂² + 2w₁w₂σ₁σ₂ρ)。n 资产则升级为双重求和加相关矩阵。有效前沿：给定风险下收益最高、给定收益下风险最低的组合集合；任一点（如 C）都会被"同风险更高收益"（B）或"同收益更低风险"（A）的组合支配（dominate）——理性投资者只选择前沿上的组合。

引入无风险资产后，最优集合不再是曲线而是一条直线：从无风险利率出发、与风险资产前沿相切于市场组合 M。所有投资者都持有"无风险资产 + 市场组合"的某种搭配——更厌恶风险者落在无风险利率与 M 之间的线段上；更激进者按无风险利率借入、加仓市场组合，落在 M 右侧。三个常被点名的假设：① 所有投资者对 μ、σ、ρ 的看法一致；② 只有均值与标准差重要；③ 人人都能以无风险利率借入——每条在现实中都不易成立。

Normal vs. Real-World Returns 正态假设 vs 真实收益分布

标准正态：均值 0、标准差 1。用 z 分数把任意正态变量标准化：z = (x − μ)/σ。例：μ = 3、σ = 6 时，取值小于 2 的累积概率：z = (2−3)/6 = −0.1667 → 累计概率 ≈ 43.4%。但股票等风险资产的收益不是正态：分布比正态更尖（更多质量集中在均值附近）且尾部更肥——极端事件比正态预测的更常发生（教材用 1998–2017 年标普 500 实证：小变动与大变动都远多于正态预期）。偏度同样改变整个分布：均值与标准差相同的两条分布，正偏（positively skewed）与正态在尾部的概率质量完全不同——所以标准差作为风险度量在非对称分布下会失真，均值—方差框架随之不可靠。

Value at Risk (VaR) 风险价值

定义：VaR 是"正常条件下、给定期间内、给定置信水平下的最大损失"——等价地说，它是损失分布的 c 分位数。表述示例："月度 95% VaR = $1M" 读作：正常条件下，95% 的月份（20 个月里的 19 个）里，我们预期盈利、或亏损不超过 $1M。参数法（delta-normal）口径：VaR = [μ − zσ] × 头寸价值。

两个"任意参数"决定 VaR 的大小：① 置信水平——VaR 随置信水平上升而上升，且加速上升；② 持有期——VaR 随持有期上升；若分布均值 μ = 0，VaR 按 √T（时间的平方根）上升；若 μ > 0，上升更慢、最终甚至会下降。

Coherent Risk Measures 一致性风险度量

把风险度量记为 ρ(·)，一致性（coherent）要求满足四条公理：

四条中最要害的是次可加性：它保证"把组合并起来不会凭空放大总风险"，是风险聚合与分散化论证的数学纪律。VaR 只在椭圆分布下满足全部公理；分布一旦非椭圆，VaR 便可违反次可加性——这就是"VaR 不是一致性度量"的完整逻辑。

Expected Shortfall (ES) 预期亏损

定义：ES 是"损失已经突破 VaR 分位数"条件下的期望损失——即最坏 (1−c) 尾部上损失的均值。又称条件 VaR（conditional VaR）或尾部预期损失（expected tail loss, ETL）；按定义，ES 必大于 VaR。原文例：若基金的 5% 分位收益为 −20%（即 5% 的情形损失超过 20%），VaR 给出"−20%"这个门槛；ES 则回答"跌破 −20% 之后，平均会亏多少"——那个数必然更大（更差）。

为什么 ES 比 VaR 更合适？① ES 满足全部一致性公理（含次可加性）——VaR 只在椭圆分布下满足；② 由次可加性，ES 的"持有期 × 置信水平"风险曲面是凸的，更适合做组合优化；③ ES 给出不利事件下损失的幅度估计，VaR 不给；④ ES 对风险/收益决策规则的假设更宽松。两者共性：都能跨不同头寸给出一致口径，也都妥善考虑了相关性。

Calculating & Applying Value at Risk VaR 的计算与应用

要点：Explain linear vs nonlinear derivatives; calculate VaR for linear derivatives; describe historical simulation; describe the delta-normal approach and its gamma extension for nonlinear products; explain Monte Carlo simulation for VaR and ES; explain correlation breakdown, stress testing and worst-case scenario analysis.

Plain English: Three engines compute VaR and ES: historical simulation (empirical distribution), delta-normal (normal factors + sensitivities, gamma for options), and Monte Carlo (simulated paths). Around them sit correlation breakdown in crises, stress testing, and worst-case scenario analysis that extends VaR with loss magnitudes. 历史模拟、delta-normal、蒙特卡洛三台引擎，加上压力测试与 WCS 两个外延。

Linear vs. Non-Linear Derivatives 线性 vs 非线性衍生品

线性衍生品的价值与标的是线性关系（远期、期货），其 delta（敏感度）在标的所有价位上恒定（但不必等于 1）。例：远期在到期前的价值 = S − PV(K)——标的每涨 $1，远期价值涨 $1。另例：$500/点的股指期货，VaR(期货) = $500 × VaR(指数)。局部 delta：标的价值变动 1% 时衍生品价格的百分比变动——小变动下可用于外推。
非线性衍生品的价值变动取决于标的状态（期权：变化率随标的位置而变，切线斜率在动）。组合层面：线性产品的通用公式是 VaR_p = δ × VaR_f（δ 对多头取正）；非线性产品需要 gamma 修正。

Historical Simulation 历史模拟法

流程：① 确定风险因子（利率、汇率、股价、波动率、信用利差…）；② 收集日度数据；③ 用情景分析构造每日变动；④ 把变动施加到当前组合、得到每日损益；⑤ 把损益从最坏到最好排序；⑥ 取对应分位数。教材例：300 个情景下求 99% 一日 VaR——1%×300 = 3，取第 3 差的损失 = CAD 11.0M；ES = 超过 VaR 水平的损失均值 = (12.8 + 11.4)/2 = CAD 12.1M。优点：可能识别出此前被忽略的危机事件（聚焦极端估值变化）；缺点：局限于真实发生过的数据。

Delta-Normal Approach & Gamma Correction 德尔塔正态法与伽马修正

delta-normal 明确假设分布：风险因子服从多元正态，组合价值变动随之正态，于是 VaR/ES 回到参数化公式。两个因子类别：① 用百分比变化更合理的（股价、商品价）；② 用绝对变化更合理的（利率、信用利差）。组合变动：ΔP = Σ a_ix_i——百分比因子取 x_i = ΔS_i/S_i、a_i = δ_iS_i；绝对因子取 x_i = ΔS_i、a_i = δ_i。再按相关矩阵聚合出组合方差 σ_P²，代入 VaR = μ_P − zσ_P 与 ES 的闭式。因子多且非正态时，中心极限定理让组合近似正态；通常还假设因子均值变动为零（省掉 μ）。期限结构上不可观察的点可用线性插值补：6 个月 2.2% 与 1 年 2.8% → 9 个月 ≈ 2.5%。

非线性修正：delta 只对小变动有效（一次近似）；大变动需要 gamma 补曲率：ΔP = δΔS + ½γ(ΔS)²。gamma 越小、delta 越准——所以价内（ITM）期权比平值（ATM）期权更适合 delta 近似（价内期权的 gamma 小得多）。关键结论（原文口径）：正态的标的价格会翻译成偏斜的期权价值分布——delta-normal 因此低估高期权价值的概率、高估低期权价值的概率；忽略曲率会给组合管理者带来实质问题。非线性产品清单：call、亚式、障碍、MBS、蝶式价差（三头寸、强非线性）。

Monte Carlo Simulation 蒙特卡洛模拟

六步流程：① 用当前因子值给组合今日估值；② 从多元正态分布抽取因子变动 Δx_i；③ 得到期末因子值；④ 重估组合；⑤ 与当前值相减 = 损失；⑥ 重复②–⑤构建损失分布。取分位：500 次试验、99% → 第 5 差损失（1%×500）；ES = 最差 4 个的均值。跨期限缩放（两式同形）：VaR(T, X) = VaR(1, X)×√T；ES(T, X) = ES(1, X)×√T。优点：能处理多因子（给出分布与相关性即可模拟上万条情景）、可假设任意分布类型；缺点：慢、计算密集——大组合的典型选择也正是它的成本所在。

Correlation Breakdown, Stress Testing & WCS 相关性失效、压力测试与最坏情景

相关性失效：危机时刻相关性（部分大幅）上升、波动率同步跳升——依赖低相关性的策略瓦解、风险被低估；这种"波动率与相关性同升、分散化收益蒸发"的现象叫传染效应（contagion），其本质是标的资产的收益生成过程发生变化。对压力情景建模正是为捕捉它。两条路径：① 历史危机情景——拿真实危机（如 2007–09）施加到当前组合；优点：不需要任何分布假设；缺点：只能覆盖已发生过的事件。② 预设压力情景——自定冲击（如短端利率 +3%、本币贬值 4%）；优点：能覆盖任何想象情景，不受历史限制。
最坏情景分析（WCS）：聚焦"给定不利事件下最坏结果的分布"，从中得出预期损失——把 VaR 再向前推一步（补上损失幅度）；注意：WCS 是补充工具，不构成 VaR/ES 的替代品。

Measuring & Monitoring Volatility 波动率的度量与监控

要点：Explain how return distributions deviate from normal (fat tails, skew, instability); differentiate conditional and unconditional distributions and describe regime switching; compare approaches to estimating conditional volatility; apply EWMA and GARCH(1,1); explain mean reversion for long-horizon volatility; evaluate implied volatility; update correlation estimates.

Plain English: Volatility is the key input to VaR, and estimating it well is most of the battle. Distributions deviate from normal in three ways — fat tails, skew, and instability (time-varying parameters). Estimation splits into parametric (historical standard deviation, delta-normal, EWMA, GARCH) and nonparametric (historical simulation, MDE). Long horizons need the √T rule adjusted for mean reversion; option prices give a forward-looking alternative (implied volatility, VIX). 分布偏离 → 估计方法（EWMA/GARCH）→ 期限外推与隐含波动率：波动率的完整工作流。

Deviations from Normality 对正态的三大偏离

为什么会有肥尾？最可能的解释：波动率（和/或均值）随时间变化。把样本按市场环境切成若干段——每段各自是正态（条件分布），但各段的 σ 不同；混在一起看（无条件分布），尾部就"肥"了。这就是 随机波动率（stochastic volatility）下的条件 vs 无条件分布之别：无条件分布=任意一天 μ、σ 都相同；条件分布=μ、σ 随市场/经济条件变化。实务含义：若历史平均 σ = 2%、当前估计 σ = 3%，那么用"σ = 3% 的正态"比用"历史肥尾分布"或"σ = 2% 的正态"算出的 VaR/ES 更准确——先承认时变，再谈分布。区制转换（regime switching）：波动率不总是缓慢变化，也可能突然跳变（如央行/政府意外公告后的急升急落）。

Estimating Conditional Volatility 条件波动率的估计方法

两大路线：历史数据法（用历史时间序列估计条件分布形状）与隐含波动率法（从期权价格反推）。历史数据法再分两类：

参数法的起点是"最近 K 天回报的平方均值"：σ_t² = (r_t−K² + … + r_t−1²)/K（等价于假设零均值时的方差 MLE）。条件均值也可估计：教材例——已知市场将下跌 15%、窗口 K = 100 天 → 日均条件回报 μ_t = −1500bps/100 天 = −15bps/天。历史模拟法（非参数）：窗口内每个回报权重都是 1/K（100 天 → 各 0.01）；求 5% 分位就是取第 5 低的回报（教材例：六低回报 −4.70%、−4.10%、−3.70%、−3.60%、−3.40%、−3.20% → 第 5 低 = −3.40% 即 VaR(5%)）。非参数法的优缺点见上表。

EWMA Model 指数加权移动平均

等权重（1/K）的问题：把很久以前的回报与最新回报同等对待。若要估计当前波动率，应给近期数据更大权重——一般加权形式：σ_n² = Σα_ir_n−i²（权重和为 1、越久越小）。EWMA 假定权重指数衰减，化简后只需两个输入：上期方差与最新一次回报：

又称自适应（adaptive）波动率估计——用新数据更新对波动率的先验。它解决两个老问题：① 窗口太大而波动率有周期性时的高估/低估；② 很久以前的极端回报"霸道"地影响当前估计。λ 的含义：λ 越大，最新回报的影响越小（λ 小 → 反应快、跳得猛）。教材例（λ=0.94、σ=1%、当日 r=2%）：σ_n² = 0.94×0.01² + 0.06×0.02² = 0.000118 → σ_n = 1.086%。行业口径：RiskMetrics 预设 λ——日频 0.94、月频 0.97。EWMA 的最大优点是"省数据"：只需要上期方差与最新平方回报。

GARCH(1,1) Model GARCH(1,1) 模型

GARCH = generalized autoregressive conditional heteroskedasticity（广义自回归条件异方差）。(1,1) 指：各含一个"最新平方回报"与一个"最新方差估计"。相比 EWMA，多了一项长期平均方差（因此有了均值回归）：

EWMA 是 GARCH(1,1) 的特例：ω = 0、α = 1−λ、β = λ。β 是信息的指数衰减率；ω 把估计"拉向"长期均值——这正是 GARCH 相对 EWMA 的关键增益：方差倾向于回归长期平均水平（mean reversion），对期权定价尤为重要。GARCH 还擅长刻画波动率聚集（clustering）：高波动后接高波动、低波动后接低波动（r² 存在自相关；若模型有效，r²/σ² 应几乎没有自相关）。教材例（ω=0.000003、α=0.04、β=0.92、σ=1%、r=2%）：σ_n² = 0.000003 + 0.04×0.02² + 0.92×0.01² = 0.000111 → σ_n = 1.054%；长期水平 V_L = 0.000003/(1−0.96) = 0.000075 → σ̄ = 0.866%。MDE（多变量密度估计）是另一条非参数路：按"与当前状态的相似度"给历史数据加权（如利率水平相近的时期权重更大）；优点是权重取决于相关性而非时间远近、可灵活引入状态变量；缺点是易过度拟合（data snooping）且需要大量数据。

Mean Reversion, Long Horizons & Implied Volatility 均值回归、长期外推与隐含波动率

√T 规则：日度波动率 ×√T 得 T 日波动率（VaR 同理）——日→周乘 √5、日→年乘 √252（年按 252 个交易日）。例：日 σ=1.5% → 10 日 σ = 1.5%×√10 = 4.74%。但它假设"独立同分布"；而波动率实际存在均值回归：当前高 → 预期回落（此时 √T 会高估长期波动率）；当前低 → 预期回升（√T 会低估）。GARCH 的 V_L 提供这种"回拉"，EWMA 没有。教材例：当前日方差 0.000225（σ=1.5%），√T 得 30 日 8.22%；若预期未来 30 天平均方差升至 0.000324（σ=1.8%），则应按 √30×1.8% ≈ 9.9% 估计长期波动率与 VaR/ES。
隐含波动率：历史类方法都向后看；隐含波动率从期权价格反推，向前看。通常按年化表达；不足一年的要除以 √T 折算（例：年化 18% → 日 ≈ 18%/√252 = 1.13%）。最有名的指数：VIX（芝加哥期权交易所波动率指数）——由标普 500 的 30 天期权隐含波动率编制，常年在 10–20 之间、2008 年 10 月雷曼倒后峰值近 80，被称作"恐慌指数"；交易 VIX 期货/期权 = 纯粹对波动率下注。

Updating Correlation Estimates 相关性的更新

与波动率一样，相关性也要滚动更新（用 EWMA 口径的协方差）：cov_n = λ·cov_n−1 + (1−λ)·X_n−1·Y_n−1；再由 cov = ρ·σ_X·σ_Y 反推相关系数。教材例（X=2%、Y=4%、旧相关 0.3、σ_X=1%、σ_Y=2%、λ=0.92）：cov_n−1 = 0.3×0.01×0.02 = 0.00006；cov_n = 0.92×0.00006 + 0.08×(0.02×0.04) = 0.0001192；新波动率 1.11%、2.23% → 新相关 = 0.0001192/(0.0111×0.0223) ≈ 0.48——一次更新，相关性从 0.30 跳到 0.48（相关性同样会"动"，危机中尤其）。

External and Internal Credit Ratings 外部与内部信用评级

要点：Describe external rating scales and the link between ratings and default; distinguish conditional and unconditional default probabilities; define and apply hazard rate; calculate recovery rate and expected loss; compare through-the-cycle and point-in-time; interpret a rating transition matrix; relate rating changes to prices and CDS; explain failures of structured-product ratings; describe alternative and internal rating approaches.

Plain English: Ratings are the market's shared language for credit risk. Learn the agency scales and the investment-grade line; the three default-probability views (cumulative, unconditional, conditional) and how to convert between them; hazard rates, recovery rates and expected loss; the stability-vs-responsiveness trade-off (through-the-cycle vs point-in-time); transition matrices and how rating changes move bond/stock prices and CDS spreads; and the lessons from structured-product ratings failures. 量表 → 违约概率 → 危险率与损失 → 方法论 → 教训：信用评级的全套工具箱。

Rating Scales & Agencies 评级量表与机构

美国三大评级机构——Moody's、Standard & Poor's（S&P）与 Fitch——是信用风险数据的外部来源，提供独立意见；主要覆盖货币市场工具与政府/公司债券（2007–09 危机中它们在结构化产品上的角色广受诟病）。评级通常针对某一支发行工具（而非整个实体），但同一发行人的各类债券往往拿到同一评级。债券评级 = 长期评级；货币市场工具（≤1 年） = 短期评级。概率方向：评级越往下，违约概率越高；D = 已违约。

投资级 vs 投机级：分界线之上（Baa3/BBB− 及以上）为投资级——有能力履约、对不利环境有足够保护；之下为投机级（又称 junk）。评级越低，投资者要求的补偿（收益率）越高。短期量表：Moody's 为 P-1、P-2、P-3（P-1 最强），NP = 非优等；S&P 的 A-1+/A-1 对应 P-1、A-2/A-3 对应 P-2/P-3，之下 B、C、D；Fitch 为 F1+、F1、F2、F3、B、C、D。

Default Probabilities: Three Views 违约概率的三种口径

用 S&P 1981–2016 数据的三张表（累计、无条件、条件）互相换算。以 B 级为例：累计（cumulative）违约概率——2 年内 8.56%、3 年内 12.66%；无条件（unconditional）——第 3 年当年违约概率 = 12.66% − 8.56% = 4.10%；前两年存活概率 = 100% − 8.56% = 91.44%；条件（conditional）——在第 3 年违约的概率（前提是前两年没违约）= 4.10% / 91.44% = 4.48%。

两条定性规律（常考）：① 投资级债券的违约概率随时间上升（发行人的财务健康会随时间被侵蚀），但对最低评级债券恰好相反——"熬过"头一两年反而说明基本面改善。② 累计违约率随期限上升，且投机级的上升陡峭得多；违约还受经济/产业周期影响：低评级债券的违约率与周期高度相关，高评级则相对稳定。机构为求"评级稳定"，会把评级做成"平均周期"口径——但这在周期偏离平均时会高估或低估。跨市场比较的目标是让"一个国家的 BB 等于另一个国家的 BB"；实际数据（5 年累计违约率）：美国全部受评 7.57%、新兴市场 6.53%、欧洲 2.54%；从行业看，金融企业同评级的历史违约率高于非金融企业。

Hazard Rate, Recovery & Expected Loss 危险率、回收率与预期损失

危险率（hazard rate，又称 default intensity）是"违约在时点 t 发生的速率"，可由累计违约率反解。若 h̄ 为区间平均危险率：

教材例：h̄ = 2%/年恒定——4 年末前累计违约 = 1 − e^−0.02×4 = 7.69%；第 5 年当年 = e^−0.08 − e^−0.10 = 1.83%；第 5 年条件违约 = 1.83%/(1−7.69%) = 1.98%。反向应用：B 级 3 年累计 12.66% → 0.1266 = 1 − e^−h̄×3 → h̄ = 4.51%。
回收率（RR） = 违约后立即的价值 ÷ 面值；LGD = 100% − RR；预期损失 EL = PD × LGD = PD × (1−RR)。经验值：优先有担保 ≈ 50%、次级 ≈ 25%；违约率与回收率负相关（违约多时回收少）。例：B 级 4 年累计违约 15.87%、RR=20% → EL = 15.87%×0.80 = 12.70% 本金；分摊到 4 年 ≈ 318bp/年，即信用利差（精算补偿）；现实中投资者还会在此基础上再加一层风险溢价——补偿"坏年景里大家一起违约"的系统性风险。

Through-the-Cycle vs Point-in-Time 贯穿周期 vs 时点评级

评级流程：首发评级后至少每年复核；机构收费（如审计付费）；输出"展望（outlook）"——正面/负面/稳定/待定四种；"观察名单（watchlist）"反映 ≤3 个月的短期变化预期。因评级被写入金融合约、影响交易头寸，机构力求稳定。两种口径：贯穿周期（TTC）——评估跨数年的信用度、隔绝商业周期波动（机构默认选择）；时点（PIT）——当下对未来违约概率的最佳估计。TTC 评级可通过调整换算为 PIT 口径，以更及时反映经济变化。

Transition Matrix & Rating Changes 迁转矩阵与评级变化

迁转矩阵：一年内从任一评级"迁移"到另一评级的概率表（S&P 1981–2016 数据）。两个代表性数字：AAA 一年后保住 AAA 的概率 87.05%；CCC/C 保住原级只有 43.97%（其中 26.78% 直接进违约 D、15.39% 掉出评级 NR）。规律：投资级维持评级的能力显著更强；降级（升级）有惯性——今年降级，明年更可能再降；矩阵本身也受经济周期驱动。

市场如何反应评级变化：降级（尤其投资级→投机级）对债券与股票价格冲击显著；升级则平淡得多——评级的信息含量因此常被质疑。研究口径：观察名单的降级复核有显著信息，负面展望和实际降级反而不多；CDS 利差似乎能领先于评级变化，而股票与债券价格则不一致跟随。

Alternatives, Internal Ratings & Lessons 替代模型、内部评级与教训

结构化产品的教训：机构在结构化产品上的评级是 2007–09 危机的关键推手之一——评级高度依赖模型，而模型输入（如按揭违约相关性）过于乐观；模型一旦被摸清，产品设计会被"定制"以博取目标评级；该业务利润丰厚也让独立性受质疑。此后监管显著加强。替代模型：Kamakura、Moody's KMV 等用"股权市值 + 股权波动率 + 债务"估计违约概率——资不抵债（资产 < 所需偿付）即违约、股权价值 ≤ 0；其估计是 PIT 口径、对情况变化高度敏感，不追求稳定性。内部评级三大动因：① 借款人没有外部评级；② 会计准则要求银行在贷款估值时考虑违约概率；③ 违约概率驱动监管信用风险资本。内部评级多为 PIT 口径——经济下行时评级下调，客观上收紧放贷（顺周期放大）。银行必须对内部评级程序做测试；最早的贷款决策算法是 Altman 的 Z-score（1968），用五个财务比率做多元回归：营运资本/总资产、留存收益/总资产、息税前利润（EBIT）/总资产、股权市值/总负债账面值、销售额/总资产——当代算法远为复杂。

Country Risk: Determinants, Measures and Implications 国家风险：影响因素、度量与含义

要点：Explain how economic growth, political risk, legal risk and economic structure relate to country risk; evaluate composite country risk measures; compare foreign and local currency sovereign defaults and explain common causes; describe the consequences of sovereign default; explain factors influencing sovereign default risk; compare sovereign spreads and CDS with agency ratings.

Plain English: Country risk is the risk of investing or operating abroad. Its four pillars are growth, politics, law and economic structure. Analysts use composite scores (PRS, Euromoney, The Economist, World Bank) — imperfect but useful as rankings — and market prices: sovereign spreads and CDS, which move faster than ratings. Sovereign defaults come in two flavours: foreign-currency (can't print the money you owe) and local-currency (gold standard, currency unions, debasement); both have real economic consequences. 四大来源 → 综合评分 → 主权违约与市场信号：国家风险的完整地图。

Sources of Country Risk 国家风险的四大来源

① 经济增长：看 GDP 水平与增速、尤其是剔除通胀的实际 GDP 增速——"高增长 + 高通胀"会把实际增速吃掉。发展中国家对全球下行更敏感（依赖大宗商品）：2007–09 全球衰退中墨西哥实际 GDP 下滑 4.7%、美国 2.8%。② 政治风险：政府行为/更迭、腐败或暴力影响盈利的可能性，四个成分——连续 vs 间断政策（民主政体：风险频繁但一般温和；集权政体：变化少但一旦发生往往剧烈且难防——这是"低频率、高烈度"与"高频率、低烈度"的取舍）；腐败（行贿≈隐性税，直接压利润、间接压回报，还可能招致法律制裁；透明国际 2016 排名：丹麦/新西兰/芬兰最清廉，索马里/南苏丹/朝鲜最严重）；暴力冲突（保险与安保成本、人员安全；和平指数）；国有化/征用（自然资源行业尤甚；被国有化时业主拿到的远低于真实价值）。③ 法律风险：产权保护（法律体系的结构）+ 争端解决效率（拖得越久、风险越高）；国际产权指数：北美、澳新、西欧领先，拉美、非洲落后。④ 经济结构：过度依赖单一商品/服务的脆弱性（需求或价格下行 → 全国经济受损）；短期增长（靠资源）与长期增长（靠新产业）的取舍；大经济体（中国、印度、巴西）多元化更强，但任何国家都可用长期贸易合约对冲；波特竞争优势四要素：要素条件（劳动力与资本可得性）、需求条件（本国需求水平）、相关产业（配套竞争产业）、企业战略/结构与竞争（国内竞争环境）。

Composite Measures 综合评分工具

三个共同缺陷：① 不是每个成分对所有投资者都重要；② 各机构没有统一标准，互相不可比；③ 分数只宜当"排序"看——得分 70 的国家比 35 的更危险，但不能说"危险两倍"。教材口径：这些服务覆盖 100 多个国家的关键风险领域，但使用时务必记住上述限制。

Sovereign Default Risk 主权违约风险

定义：政府债持有人无法按时足额收到本息的风险；可作为国家风险的代理变量。分两类：外币违约——政府借入外币债务、但拿不出足够外币（又不能印外币）→ 极端情况直接违约；主权违约的很大比例属于此类。2010–2016 年发生 8 起外币违约；史上最大：希腊 2012 年 3 月（>2600 亿美元，其后 12 月再违约 420 亿），投资者损失高达 70%；200 年间南美国家频发（阿根廷 6 次、巴西 5 次、巴拉圭 6 次）。本币违约——历史上常与外币违约并发（巴西 1990、俄罗斯 1998）；Moody's 研究：近年"双币种同时违约"越来越常见。本币违约的三大原因：① 金本位（1971 年前部分国家须以黄金支撑货币，印钞受限）；② 货币联盟（共享货币 = 让渡印钞权，如欧央行体制下的希腊）；③ 货币贬值化（debasement）——印钞引发高通胀，当"通胀的代价 < 违约的代价"时，违约反而成了选择。评级惯例：本币评级一般比外币高几档。

What Drives Sovereign Default Risk 主权违约风险的驱动因素

国家没有"权益"，债务/权益比无意义——机构看 债务/GDP（还需计入州、市等次级政府债务）。教材数据（2017）：日本 240.3%、美国 108.1%、法国 96.8%、英国 89.5%、巴西 83.4%、印度 68.7%、德国 65.0%、中国 47.6%、俄罗斯 17.4%。四大因素：① 社保承诺（医疗、养老金支出挤占流动性）；② 税基（好年景坏年景都得还债 → 需要稳定税源，多元化经济体更稳）；③ 政治风险（集权政体可能更容易违约——违约的压力更少落在领导层；央行越独立 → 印钱越难）；④ 隐性担保（如欧盟困境国被假定会得到德、法支持——但没有明文保证）。评级口径：本币评级一般 ≥ 外币；主权评级的变化频率远低于公司债；2016 年 10 年期数据：AAA/AA 主权近乎零违约（好于公司），A 级反而不如公司，BBB/BB/B 的外币违约与公司相当、本币显著更低，CCC/C 的外币远高于公司、本币更低。机构同样跟踪主权的评级迁转（一年内维持或升降级的概率分布）。

Sovereign Spread & CDS 主权利差与 CDS

主权利差：主权债收益率与同币种、同期限无风险投资的差——由市场生成、随交易实时更新。例：10 年期美元发展中国家债收益率 8%、美国国债 2% → 6% 的差即市场对违约风险的定价。相对评级的优势：更动态、更快反映新信息，投资者能更早收到预警并调仓。主权 CDS：类保险合约——买入保护者定期付权利金，违约时获得赔付（恢复到"没违约"的状态）；为希腊 2010 年 CDS 利差暴涨背过锅（投机活动），欧盟随后立法禁止裸买主权 CDS作为回应。CDS 的两点注意：流动性可能不佳；买方还承担保护卖方违约的敞口。

Measuring Credit Risk 信用风险的度量

要点：Distinguish economic and regulatory capital; describe default clustering and credit contagion; define and calculate PD, EAD, LGD, EL and UL; estimate the mean and standard deviation of credit losses under a binomial distribution; describe the Gaussian copula, Vasicek and CreditMetrics models; apply Euler's theorem to decompose portfolio risk; explain why credit risk capital is harder for derivatives and list other challenges.

Plain English: Expected loss (PD × LGD) is the routine cost of lending; unexpected loss is what capital buffers. Economic capital is the bank's own estimate; regulatory capital follows Basel (IRB at 99.9%). Portfolio losses cluster (credit contagion), so we need correlations: the binomial setup gives loss mean and standard deviation, and four tools — Gaussian copula, Vasicek (WCDR), CreditMetrics (rating migration), and Euler's theorem (risk contributions) — do the heavy lifting. Derivatives make EAD harder: daily-varying exposure, netting, wrong-way risk. EL/UL → 组合统计 → 四模型 → 挑战：信用风险度量的完整工具箱。

Economic vs. Regulatory Capital 经济资本 vs 监管资本

风险资产价值缩水的最佳估计是预期损失（EL）；但非预期损失（UL）可能远超 EL——所以银行必须备好资本缓冲以吸收大额损失、维持经营（损失从权益资本中吸收）。经济资本=银行自己对所需资本的估计（取决于损失估计与资本结构）；监管资本=监管者要求的资本，全球口径由巴塞尔银行监管委员会（BCBS）制定：Basel I（1996 生效）确定信用风险资本；Basel II（2004）改为信用 + 市场 + 操作风险三线，其后被 Basel III 取代。Basel II 的两条信用资本路线：标准法（用外部评级）与 IRB 内部评级法（用 Vasicek 模型，本章后半会讲）。

Default Clustering & Credit Contagion 违约扎堆与信用传染

违约数据的关键事实：违约不独立、会扎堆——1990、2001、2009 年都是违约率显著高企的年份。背后是经济的系统性风险：好年景 → 违约概率低；坏年景 → 违约与相关性双升。坏年景里相关性的上升称信用传染（credit contagion），对金融企业尤其危险（制造银行系统的系统性风险）。结论一句话：经济周期是无法分散掉的风险。

PD, EAD, LGD — and EL vs UL 四个核心量：EL 与 UL

PD=借款人的违约概率（但违约可能"短暂"后迅速补救，故 PD 不是债权人的唯一关切）；EAD=违约时的敞口金额（贷款余额；也可按名义额或授信上限的百分比表示）；LGD=违约发生时的损失比例（= 1 − 回收率 RR）——违约的"严重度"与"频率"同等重要。EL%= PD×LGD；金额口径 EL = EAD×PD×LGD。教材例：违约率 1.8%、回收率 60% → EL = 1.8%×0.4 = 0.72%。实际损失可高于或低于 EL，差额即 UL——来源有二：真的违约，或信用迁移（信用度恶化但尚未违约，概率上升；迁移也可以反向好转）。与 VaR 的连接：所需资本 = VaR − EL（一年期、x% 置信度）；Basel 的 IRB 取 x = 99.9%（千年一遇的事件）；而银行为维持自身评级往往更保守——AA 级银行把一年违约概率控制在 ≤ 0.02%（对应 99.98% 的无违约置信度）。

Portfolio Loss Statistics (Binomial) 组合损失统计（二项分布）

对 n 笔贷款的组合：第 i 笔违约损失 = L_i(1−RR_i)，违约概率 PD_i——单笔损失服从"违约/不违约"的二项结构。均值 = PD_i×L_i(1−RR_i)；单笔损失标准差 σ_i = √(PD_i−PD_i²)×[L_i(1−RR_i)]；组合层面引入相关系数：σ_P² = ΣΣρ_ijσ_iσ_j。若各贷款同额（L）、同 σ，则简化出"组合损失占规模比例"：α = σ_P/(nL) = σ√(1+(n−1)ρ) / (√n×L)。

Gaussian Copula, Vasicek & CreditMetrics 三大模型

Gaussian copula（高斯联结）：在不改变各变量"边缘分布"的前提下构造联合分布——把两个形状各异的分布按分位一一映射到标准正态（1% 分位点 → −2.326；5% 分位点 → −1.645），再在新坐标里定义相关性。为省参数，常用单因子模型：U_i = a_iF + √(1−a_i²)Z_i（F 为公共因子、Z_i 独立于 F 且互不相关）→ 任意两变量的相关系数 = a_ia_j。最有名的单因子模型就是 CAPM（因子=市场回报）。
Vasicek 模型（IRB 监管资本用）：公司违约当且仅当 U_i ≤ N⁻¹(PD)——PD=2% 时阈值 = −2.054。99.9% 分位的"最坏违约率"：WCDR = N[(N⁻¹(PD)+√ρ·N⁻¹(0.999))/√(1−ρ)]——即把平均 PD 转成"千年一遇"组合违约率；违约率随 PD 与 ρ 双双上升。IRB 下的非预期损失：UL = (WCDR − PD) × LGD × EAD（组合 UL = 各笔 UL 之和；假设同 PD、同 ρ、同 LGD）。
CreditMetrics 模型（经济资本用）：给借款人内外部评级，用蒙特卡洛 + 高斯 copula 模拟一年内评级迁移的概率，从而生成信用损失分布（相关性常取自股票收益的相关性）。与 Vasicek 的最大区别：它不只算"违约"，还计入"评级迁移"——没违约但评级下调，也可能产生信用损失。

Euler's Theorem: Risk Contributions Euler 定理：风险贡献分解

组合风险函数是"齐次的"（等比例放缩变量，函数同比放缩），Euler 定理保证它可以分解为各成分的贡献之和：Q_i = x_i·(ΔF_i/Δx_i)，且 F = ΣQ_i。教材例（三笔等权贷款，单笔损失标准差 1.2 / 0.8 / 0.8，loan2 与 loan3 相关 0.6）：组合 σ = √(1.2²+0.8²+0.8²+2×0.6×0.8×0.8) = 1.87。把 loan1 规模加 1% → σ' 与 σ 之差 = 0.007733 → Q₁ = 0.007733/0.01 = 0.7733；同理 Q₂ = Q₃ = 0.5492。验证：0.7733+0.5492+0.5492 = 1.87 ✓——loan1 约贡献 40%（0.7733/1.87），loan2、loan3 各约 30%。用途：一笔贷款对组合风险的真实"边际贡献"——比单看它自身的 σ 更能指导限额与定价。

Challenges 难点与挑战

衍生品 EAD 更难：贷款 EAD 就是放款余额；衍生品敞口逐日随估值变动——Basel 口径 = 当前敞口 + 附加额（add-on）（当前敞口=对手此刻违约会亏的钱；附加额=防备违约前敞口进一步恶化的缓冲）。且衍生品受净额结算协议约束：有净额时，对同一对手的所有衍生品在违约时视为"一笔"，资本按对手层面（而不是逐笔交易）计算。五类挑战收尾：① 监管要求 TTC 口径 PD（抹平周期波动），银行内部偏好 PIT 口径——周期平均未必代表当下；② 经济下行"双重打击"：违约率升 + 回收率降（LGD 升）；③ 衍生品 EAD 难算，且可能撞上错向风险（wrong-way risk）——对某对手的敞口升高恰好与对手违约风险升高同时发生；④ 相关性难估计；⑤ 信用风险之外还有市场、操作、流动性与战略风险共同影响资本。

Operational Risk 操作风险

要点：Describe the categories of operational risk and how each arises; compare the basic indicator, standardized and advanced measurement approaches (and describe SMA); explain how loss distributions are derived from frequency and severity; describe data issues and biases; scenario analysis; RCSA, KRIs and education; capital allocation; the power law; moral hazard and adverse selection in operational risk insurance.

Plain English: Operational risk is loss from failed processes, people, systems, or external events — seven Basel categories, with cyber, compliance and rogue-trader risk as today's headline threats. Capital is sized by the BIA, standardized, AMA (99.9th percentile − expected loss) or SMA (BI × ILM). Loss distributions combine a Poisson frequency with a lognormal severity; data must be scaled (β ≈ 0.23) and inflated. Management leans on RCSA, KRIs, scenario analysis, the power law, and insurance — mindful of moral hazard and adverse selection. 七类 → 资本方法 → 损失分布 → 管理工具箱：操作风险全景。

Definition & the Seven Categories 定义与七大类

常见误读是"除信用/市场以外的一切风险"——太宽。Basel 委员会 2011 年的定义被广泛采用："由不完善或失败的内控流程、人员与系统，或外部事件造成损失的风险"；传统定义明确包含法律风险，但不含声誉与战略风险。七大类（多数损失来自客户、产品与业务操作）：

操作风险看"后果的严重度"——三大巨额风险：网络风险（外部攻击；来自有组织犯罪、黑客、内鬼；导致欺诈、数据被盗；防线：钓鱼演练、账户管控、防火墙、入侵检测；例：2011 雅虎 30 亿账户、2016 孟加拉央行、2017 Equifax 1.43 亿用户）；合规风险（罚单与处罚；例：2012 汇丰 19 亿美元反洗钱违规、法巴 89 亿、大众 28 亿排放作弊；防御：合规软件 + 内部培训）；流氓交易风险（单个交易员若未被发现可酿巨亏，而机构甚至可能因"盈利"纵容；最有效防线 = 前台/后台分离：前台做交易、独立后台核验记账；例：1995 里森/巴林银行近 10 亿美元倒闭、2008 科维尔/法兴 49 亿欧元、2011 瑞银、2002 爱尔兰联合银行）。

Regulatory Capital Approaches 监管资本四种方法

基本指标法（BIA）：资本 = 15% × 3 年平均年毛收入（毛收入 = 利息收入 + 非利息收入 − 利息支出）。标准法（SA）：同样算毛收入，但拆成八条业务线，各自乘系数后加总：

高级计量法（AMA）：用内部定性与定量标准自建模型，资本 = 损失分布的 99.9% 分位数 − 预期操作损失；复杂但可能换来更低的资本要求；若覆盖全部八条业务线，需估计 8×7 = 56 个组合的一年期损失。2016 年 Basel 因各行 AMA 结果差异过大，推出 SMA（标准化计量法）：先算业务指标 BI（类似毛收入、按规模调整），得 BI 分项（BIC）；再由损失分项 LC = 7X + 7Y + 5Z（X=全部损失、Y=单笔 > 1000 万欧元、Z=单笔 > 1 亿欧元的 10 年平均）导出内部损失乘数 ILM；资本 = BIC × ILM。对"平均银行"：BIC 与 LC 相等、ILM = 1。另：2016 年欧盟对保险业推出 Solvency II，也含操作风险资本要求。

Loss Distributions 损失分布：频率 × 严重度

操作损失按两个维度刻画（假设相互独立）：损失频率（年均发生次数）常用泊松分布：P(n) = e^−λλⁿ/n!，λ = 平均次数（5 年 10 次损失 → λ = 2/年）。损失严重度（单次损失金额的分布）常用对数正态分布：非对称、肥尾；令 w = (σ/μ)²，则损失金额取对数后的均值 = ln(μ/√(1+w))、方差 = ln(1+w)。教材例：损失均值 6000 万、标准差 2000 万 → w = (20/60)² = 0.11 → 对数均值 = ln(60/1.0536) = 4.04、对数方差 = ln(1.11) = 0.104。蒙特卡洛四步：① 从泊松抽"发生几次"；② 每次从对数正态抽损失金额；③ 加总得当期总损失；④ 重复数千次 → 损失分布 → 取目标分位；该分位损失 − 分布均值 = 对应置信度的非预期损失。

Data Issues & Biases 数据问题与偏差修正

操作损失的历史数据不足（远逊于信用损失数据）——要把客观数据与主观判断结合：频率用内部数据、严重度用内部 + 外部数据；也可通过共享协议（Factiva、Lexis-Nexis 等供应商）获取同业损失。使用外部数据的两大纪律：① 供应商数据有报告偏差——往往只收录"弱内控机构的大额损失"，因此更适合用于相对严重度（例：数据显示 Type 1 的严重度是 Type 2 的 3 倍；若本行只有 Type 2 数据，可据此推断 Type 1）；② 通胀调整 + 尺度调整——把别家的损失按本行规模折算：

情景分析补数据缺口：专攻"高严重度、低频率"事件；监管鼓励（能纳入"尚未发生但可能发生"的事件，促使管理层主动预案）；代价是管理层花在情景与预案上的时间。

Management Toolkit 管理工具箱

前瞻三件套：① 损失成因分析——找"公司行为 ↔ 损失"的相关性（如员工流失率、新系统上线与损失的关联），发现显著关系后做成本收益分析；② RCSA（风险与控制自我评估）——访谈管理层与员工、发放问卷、审阅内外部风险报告，假设"一线经理最懂操作"；缺陷：经理未必愿披露失控风险、缺乏独立验证；应每年更新；③ KRI（关键风险指标）——如员工流失率、临时工数量、空缺岗位、交易失败笔数；两项合格标准：与损失有预测关系 + 可及、可及时测量。再配上员工教育（含邮件/电话沟通培训）。资本分配：把操作风险资本分摊到各业务单元 → 激励经理降低风险频率与严重度（风险降 → 资本降 → 回报率升）；但要过成本收益关。幂律：P(v > x) ≈ Kx^−α——α 越小尾部越厚；适用于分布最高 5% 的区间；从个人收入、公司规模到地震都适用，近年扩展到操作损失。保险：AMA 银行可用保险抵减资本要求；两大经典问题——道德风险（投保后行为变激进；对策：免赔额、保单限额、共保条款；流氓交易险尤其微妙：交易员潜在"利润"可能远超损失，保险方会限定交易限额、甚至要求不让交易员知道保单存在）；逆向选择（保险公司分不清好坏风险 → 弱内控机构更爱买 → 需深入了解每家机构的内控、差异化定价）。

Stress Testing 压力测试

要点：Describe the rationale for stress testing and its relationship with VaR/ES; describe stressed VaR/ES and their advantages and disadvantages; explain scenario design considerations and model building (including knock-on effects); describe reverse stress testing and regulatory tests (CCAR, DFAST); describe the governance roles of the board, senior management and internal audit; describe policies, documentation, validation and independent review; summarize the Basel stress testing principles.

Plain English: Stress testing asks whether the institution has enough liquidity and capital to survive extreme events — low-probability, high-impact scenarios that VaR and ES (backward-looking) capture only partially. Stressed VaR/ES re-run the metrics on specifically stressed periods. Scenario design picks horizons, events and variables; models must capture knock-on effects. Reverse stress testing works backwards from failure. Regulators run CCAR and DFAST; governance splits duties across the board, senior management and internal audit, supported by policies, documentation, validation and the Basel principles. 为什么要压测 → 压力化指标 → 情景设计 → 监管与治理：压力测试全景。

Why Stress Testing & Its Relation to VaR/ES 为什么做压力测试

压力测试要回答的核心问题：机构是否有足够的流动资产与资本，扛过各种不利情景？它聚焦极端事件——发生概率低、但一旦发生冲击巨大；正常市况高频出现，机构反而可能对"非正常市况"毫无准备。因此压力测试与 VaR/ES 并排使用，共同给出全机构（enterprise-wide）的风险视图：VaR/ES 告诉你"以 x% 的把握损失不超过某水平、超过了平均亏多少"，且是向后看的——用较短视野在大量情景上估计损失分布；压力测试补上它们够不到的地方：更极端的尾部、更长的视野、以及"样本里根本没发生过的情景"。

Stressed VaR & Stressed ES 压力化 VaR/ES

普通 VaR/ES 用过去数年的"全量数据"；压力化版本（stressed VaR / stressed ES）改用专门挑出的压力期数据——因此结果"条件于那段压力期重演"："If we had a repeat of a specific stressful period, would we be able to survive that period?"注意视野差异：压力化指标捕捉的是"单段压力期"内的极端波动；而短期压力测试可以覆盖"多段历史压力期"的大幅波动。优点：① 相对常规情景更保守——为未来压力事件备下的资本往往绰绰有余；② 前瞻性，天然适合 what-if 提问（"如果这样了，组合会怎样？"）；③ 聚焦更长的时间段。缺点：① 指标被"压住"后不会随当前市况变化——主要由组合资产决定；② 不给损失的概率分布（无法合理穷尽所有结果）；③ 无法回测（底层是极端结果）。

Scenario Design & Model Building 情景设计与模型构建

第一步是选时间跨度：常见 3 个月至 2 年。情景可内部自选、也可由监管者设定；基于历史数据的情景前提是"未来重演历史"。技术细节：有的变量按比例变动建模、有的按绝对变动；模型常假设风险因子间为线性关系——但现实是压力期相关性倾向于上升。可用的历史事件库：1987 年 10 月（股灾）、1992 年 4 月（10 年期国债收益率剧动）、1998 年 8 月（俄罗斯违约）、2001 年 9 月（恐袭）、2007–09（美国房地产衰退）、2008 年 9 月（雷曼破产）、2020 年（新冠）。重点施压的关键变量：股价、利率、GDP、失业率、整体波动率、商品价格、违约率、汇率。执行节奏：常规（常每月一次）+ 临时性（ad hoc）——非常规情景（如某场选举的特定结果、监管政策变化）。模型层面：最基础的只压几个变量；综合模型覆盖一批变量——其中至关重要的为核心变量（core），其余为外围变量（peripheral）；用历史压力期远好于用正常期。连锁反应（knock-on effects）是分水岭：模型不仅要捕捉直接冲击，还要反映"其他机构对事件的反应"。教材案例：2000 年代中期美国房价见顶时，模型捕捉了"房价下跌 + 房贷组合损失上升"，但没建模的链条是——房贷"溺水"（upside-down）对 MBS 的冲击、弃房导致的库存上升、感知风险引发的股债下跌、以及同业拆借收缩。

Reverse Stress Testing & Regulatory Tests 反向压力测试与监管测试

反向压力测试：正向压测是"给情景、算影响"；反向是反过来问——哪组情景的组合会导致机构倒闭？两种做法：① 挑一个历史时点、放大当时展开的情景，看"要糟到什么程度"才会失败；② 直接对关键因子做组合搜索，构造"致死情景"。
监管压力测试：美联储对总资产 > $500 亿的美国银行实施 CCAR（综合资本分析与审查）；监管者从四种情景中选择：基准（baseline）、不利（adverse）、严重不利（severely adverse）、内部（internal）——"严重不利"的示例：全球衰退、失业率升至 10%、信用市场极度紧张。另一类是 DFAST（多德-弗兰克法案压力测试），覆盖资产 $100–500 亿的银行，情景与 CCAR 类似，但不强制提交资本计划。注意：银行若未通过监管压力测试，通常会被要求限制分红并补充资本。

Governance: Board, Management, Internal Audit 治理三层分工

治理的要义是职责分离：董事会与管理层共担部分责任、但各有专属职责。董事会：对全机构负最终责任与问责；把握关键战略、设定风险文化与风险偏好；对管理层提交的信息保持批判性审视；须"知识足够到能提出内行问题"（不要求技术专家）；主动挑战假设；压力测试结果是其了解风险偏好/风险轮廓、决定经营与战略的重要输入（尤其资本与流动性充足性、融资计划）；但董事会也要保留怀疑——不依赖单次测试，用其他测试与定量/定性信息交叉印证；测试是"早期预警"，使其能调整资本、增强流动性、调风险、进入或退出某些业务。高级管理层：向董事会负责、落实经授权的压测活动——建立稳健政策程序、协调活动、整改问题；确保假设透明且用法定清晰；不依赖单一测试而要成体系；结果要用于战略、限额、资本/流动性决策；与基准对比；主动挑战结果；做好汇总（aggregation）、整改与文档；注意缓释技术可能在压力下失效；定期向董事会报告（清晰简练——要素、假设与局限，并覆盖治理/验证/独立审查情况）；确保独立方（如内审）复核；随风险、数据、环境变化持续更新模型与活动。内部审计：治理与内控的关键拼图——评估政策程序的健全性与可靠性；审计人员须独立且具备技术能力；核验压测是否彻底、一致、按预期执行，人员是否胜任、是否遵循政策；审查文档/复核/审批程序；发现的缺陷与改进点通报高级管理层。

Policies, Validation & Independent Review 政策、验证与独立审查

政策与文档应清晰全面，至少覆盖：压测的总体目的；角色与职责；测试的使用者与用途；流程（含情景设计与选择）；频率与优先级；结果的时间序列追踪；一致且充分的实践（含独立审查如何运作）；第三方模型与软件的采购文档；对第三方的透明度；以及随风险偏好/敞口/市况更新的机制。验证与独立审查：应无偏、批判性，并纳入机构整体验证流程；审查者必须独立于测试执行者；审查要点：理论是否坚实、是否承认不确定性与局限、是否覆盖主观判断成分、是否常态化跟踪结果。特有挑战：压测指向的是罕见事件——正常市况下的变量与相关性不会镜像压力期表现（后者伴随相关性上升与回收率下降），模型必须纳入这一现实；实践上常用多模型并跑，给出"损失区间"而非单一估计。

Basel Stress Testing Principles Basel 压力测试原则

Basel 委员会要求压测"严谨而全面"；2009 年发布银行业压力测试原则，目标是弄清"扛住大型不利事件需要多少资本"。其定位：评估未来风险、牵引风险容忍度、促成缓释策略、支持沟通、克服建模局限、驱动流动性与资本规划。要点：董事会与高管的作用至关重要；压测须全机构层面开展；情景应纳入现实的变量相关性（而非只重历史情景）；新产品要纳入；情景不得低估不利事件的影响；压测期限应足够长。最新修订版原则可归纳为：目标清晰且正式通过；有效的治理架构；作为风险管理工具并服务于业务决策；覆盖重大相关风险、压力足够严酷；资源与组织架构与目标匹配；数据准确且足够细、IT 系统稳健；模型与方法"合用（fit for purpose）"；模型/结果/框架接受挑战与定期复核；实践与结论在辖区内外沟通。

Pricing Conventions, Discounting, and Arbitrage 定价惯例、贴现与套利

要点：Define discount factors and compute present values with a discount function; explain the law of one price and identify arbitrage opportunities; describe STRIPS (P-STRIPS vs C-STRIPS); construct a replicating portfolio; differentiate clean and dirty pricing and explain accrued interest; describe common day-count conventions.

Plain English: Value any bond as the present value of its cash flows. Discount factors d(n) turn future dollars into today's dollars — bootstrapped from T-bill quotes and T-bond prices. The law of one price says identical cash flows must cost the same; when they don't, arbitrageurs buy the cheap one and short the rich one. Around all this sit the market conventions: STRIPS, replicating portfolios, clean vs dirty prices with accrued interest, and day-count rules. 定价三步 → 贴现因子 → 一价定律与套利 → 市场惯例：固收定价的四层结构。

Bond Valuation in Three Steps 债券定价三步

估值通用流程：① 估现金流（票息 + 期末本金）；② 定贴现率——按现金流的"不确定性"选择：国债用无风险利率（可以用单一利率折全部现金流，或按各期限用一串利率）；非国债用无风险利率 + 风险溢价（信用、流动性、赎回、提前还款等风险的补偿）；③ 折现加总 = CF × 各期贴现因子。例：每年 $100、共 10 年 + 第 10 年 $1,000 本金、贴现率 8% → PV = $1,134.20（计算器：N=10、PMT=100、FV=1,000、I/Y=8 → PV = −1,134.20）。同一债券半年付息（$50×20 期、半年利率 4%）：PV = $1,135.90——付息频率越高、价值越高一点。价格-收益率曲线：反向关系；对无期权债券呈凸性（弯曲如半个微笑）。

Discount Factors 贴现因子

国库券（T-bill）：现金价 = 100 − Qn/360（Q=报价贴现率、n=到期天数）；Q 是"干净价"（不含应计）、现金价是"全价"。买卖价中点即贴现因子：80 天国库券买价现金 99.60、卖价 99.65 → 中点 99.625 → d = 0.99625——80 天后价值 $100,000 的证券今天值 $99,625；反过来，今天的 $100,000 在 80 天后值 100,000/0.99625 = $100,376.41。国债（T-bond）：用一串含息债价格逐期剥离：第一只券（4.25% 半年付、价 101.50）：到期现金流 = 100 + 2.125 → d(1) = 101.50/102.125 = 0.9939；第二只（7.25%、价 105.98）：3.625×0.9939 + 103.625×d(2) = 105.98 → d(2) = 0.9880；以此类推得 d(3) = 0.9825、d(4) = 0.9731、d(5) = 0.9633（对应 0.5–2.5 年序列：0.9939/0.9880/0.9825/0.9731/0.9633）。知道 d 就能给任何债券定价：$100 在 180 天后、d(0.5)=0.92432 → 现值 $92.432。

Law of One Price & Arbitrage 一价定律与套利

投资者不关心现金流的"出处"——未来现金流完全相同的工具必须以同一价格成交（一价定律）。价格背离即套利机会：卖空贵的、买入便宜的，两头现金流相抵、净赚差价。做空格必须记住两件事：① 若证券付息（债券票息/股票股利），空头方要把该收益付给证券的出借方；② 风险——价格上涨、或被要求提前还券（可能亏损平仓）。
教材演算（$1M 规模）：市面三只债——1 年零息 YTM 4%（价 96.154）、2 年零息 YTM 8%（价 85.734）、2 年 8% 含息债（价 100）。由零息价得 d(1)=0.96154、d(2)=0.85734；而 2 年含息债的复制价值 = 8×0.96154 + 108×0.85734 ≈ 100.28 > 100——含息债便宜、零息债偏贵（2 年零息 YTM 8% 低于隐含 2 年即期 8.167%，定价偏rich）。套利三步：① 买入 $1M 的 2 年 8% 含息债（−$1,000,000）；② 卖空 $80,000 面值的 1 年零息（+0.96154×80,000 = +$76,923.20）；③ 卖空 $1.08M 面值的 2 年零息（+0.85734×1,080,000 = +$925,927.20）。合计现金流：今天 +$2,850.40，1 年、2 年均为 0——无投入、无未来义务的净利。

STRIPS & Replicating Portfolios STRIPS 与复制组合

STRIPS（Separate Trading of Registered Interest and Principal Securities）：把国债按申请"剥离"出的零息债——拆成本金条（P-STRIPS）与利息条（C-STRIPS）。C-STRIPS 与 P-STRIPS 的相对价格一旦背离就出现套利机会（但交易成本可能吃掉收益、使其不被执行）。复制组合：用多只债券拼出与目标债逐期相同的现金流。例：目标债 1（2 年、10% 半年付、YTM 4.5%）PV = 5/1.0225 + 5/1.0225² + 5/1.0225³ + 105/1.0225⁴ = 110.41；若它"便宜"，就买它、同时卖空复制组合。复制组合由 4 只债拼成（7%/6 月、12%/1 年、5%/1.5 年、6%/2 年）；解法从最后往前：先让 2 年期债券（Bond 5）对齐目标最后现金流：FV₅×(100+3)/100 = 105 → FV₅ = 101.94%；再用 FV₅ 解 Bond 4：FV₄×1.025 + 101.94×0.03 = 5 → FV₄ ≈ 1.89%；依此解出 Bond 3 ≈ 1.79%、Bond 2 ≈ 1.73%；四只债逐期现金流恰好拼出 5 / 5 / 5 / 105。

Clean vs. Dirty Pricing & Day Counts 净价/全价与计息惯例

两付息日之间交易要处理三件事：应计利息、分数期复利、day-count 惯例。全价（dirty = full = invoice）= 净价（clean = flat = quoted）+ 应计利息；全价里含"下一次完整票息的折现值"，故应计口径不影响总额。应计利息 = 票息 ×（自上次付息已过天数 ÷ 期长）：3% 半年付债、每期 $1.50、成交在付息后 41 天 → 1.50×41/182 = $0.3379（每 $100）。计算买卖价中点贴现因子时，买价、卖价都要先加应计数。应计例：$1,000 面值、10% 半年付、上次付息 90 天前、30/360 → AI = 50×90/180 = $25。计息惯例：actual/actual（美国国债）、30/360（美国公司债与市政债）、actual/360（一般货币市场）、actual/365（加拿大/新西兰/澳大利亚货币市场）；两付息日之间的定价公式把期数改成 w、1+w、…、n−1+w（w=距下次付息天数 ÷ 期长）——算出来的就是全价。

Interest Rates 利率：计复利、即期、远期、平价与互换

要点：Calculate and interpret the impact of compounding frequency on values; define spot rates and calculate discount factors; interpret and calculate forward rates; define par rates and compute them; interpret the relationship among spot, forward and par rates; assess the impact of maturity on bond prices; define yield curve flattening/steepening and describe trades; describe a swap transaction and how the market defines par rates.

Plain English: Interest rates are a web of equivalent measures: compounding frequencies (annual → continuous), spot (zero) rates, forward rates folded out of spot rates, par rates that price a bond at par, and swap rates that are par rates by construction. Ranking rules: on an upward curve, forward > spot > par; on a downward curve, par > spot > forward. Bond values rise when the last-period forward rate exceeds the coupon. Yield curve moves are parallel or not; twists come in bull/bear × flatten/steepen flavors, plus butterfly curvature. 计复利 → 四利率体系 → 曲线形状与策略：利率全景。

Compounding 计复利与等效利率

计复利频率 = 利息在一年内被应用的次数，决定了利率的"口径"。$1,000、5%：年复利 → 1,000×1.05ⁿ；半年复利（每期 2.5%）→ 1,000×1.025²ⁿ；连续复利 → 1,000e^{0.05t}。一年后终值随频率递增：年 1,050.00 → 半年 1,050.63 → 季 1,050.95 → 月 1,051.16 → 日 1,051.27 → 连续 1,051.27（日与连续几乎重合）。反向的现值随频率递减：3 年后 $1,000 的现值：863.84 / 862.30 / 861.51 / 860.98 / 860.72 / 860.71。等效利率换算公式：R₂ = [(1+R₁/m₁)^{m₁/m₂} − 1]×m₂ —— 6% 半年 = 5.93% 月；换连续：2·ln(1+0.06/2) = 5.91%；反过来 5% 连续 = 2(e^{0.05/2}−1) = 5.06% 半年。

Spot, Forward, Par & Swap Rates 即期、远期、平价与互换利率

即期利率（零息、zero）：一笔未来现金流对应的利率。例：$50 → 2 年后 $58 → 50(1+R)² = 58 → R = 7.7033%；对应贴现因子 0.86207。即期与 d(t) 是一体两面：半年口径 d(t) = (1+r(t)/2)^{−2t}；连续 d(t) = e^{−r(t)t}。
远期利率：基于今日即期的"未来即期"——让投资者在"一笔 2 年"与"1 年 + 展期 1 年"之间无差异的利率。例：一年可得 2%、两年 3.5% → 1,000×1.02×(1+F) = 1,000×1.035² → F = 1.035²/1.02 − 1 = 5.02%。连续式：F = (R₂T₂ − R₁T₁)/(T₂ − T₁)；例（3 年 4.25%、3.5 年 4.40%）→ F = (0.044×3.5 − 0.0425×3)/0.5 = 5.30%。即期 = 远期"连乘"：投即期等价于连续滚投远期。FRA：锁定未来某期的利率——价值 = 保证利率 R 与市价远期 F 之差的现值 ×本金；R > F 时为正、R < F 时为负（当前远期与保证利率相等时价值为 0）。
平价利率：使债券价格 = 面值的票息率：par/2 × [d(0.5)+d(1)+d(1.5)+d(2)] + 100·d(2) = 100。用互换数据（0.9968/0.9920/0.9848/0.9771）→ par = 1.16%——恰好等于 2 年互换利率：互换利率就是平价率（n 年互换利率定义"按面值出售的 n 年债券"）。通用式：P_T = 2[1−d(T)]/A_T（A=各期贴现因子之和）。例：即期 3.25/3.50/4.00/4.25% → A=3.813、d(2)=0.9201 → par = 2(1−0.9201)/3.813 = 4.19%；给其他票息估值：V = 1 + [(c − P)/2]·A_T → 3.25% 票息债 = 0.9821（98.21% of par）。

Rates Ranking & Maturity Effects 利率排序与期限效应

同一期限结构下三类利率的排序（务必记牢）：平坦——即期=平价=远期，全相等；上行——远期最高、即期居中、平价最低；下行——平价最高、即期居中、远期最低。债券价值与"末期远期 vs 票息"：若最后一期远期 > 票息（上行曲线常见），债券价值上升；若远期 < 票息，价值下降（与 FRA 正负号同一逻辑：R > F 为正）。借投策略：2 年连续 3%、3 年 3.5% → 第 3 年远期 = (0.035×3 − 0.03×2)/1 = 4.5%；若你认为第 3 年实际利率将低于 4.5% → 借 2 年（3%）、投 3 年（3.5%）：第 3 年融资成本低于 4.5% → 整体借入成本低于投资端 3.5%，获利；反之（认为 > 4.5%）→ 投 2 年、借 3 年。

Yield Curve Shapes & Trades 曲线形状与交易

三种基本形状：正常（长 > 短、正斜率）、平坦（各期限基本相同）、倒挂（长 < 短、负斜率）。平行移动：各期限同向同幅，斜率不变。非平行移动分两类——twist（扭转）与 butterfly（蝶式/曲率）：变平（flattening）= 长短端利差收窄；变陡（steepening）= 利差走阔。四种组合：长端跌得多 = bull flattener（牛平）；短端涨得多 = bear flattener（熊平）；长端涨得多 = bear steepener（熊陡）；短端跌得多 = bull steepener（牛陡）。（名字拆开看：bull/bear = 利率整体下行/上行；flattener/steepener = 谁动得更多。）交易：预期变平 → 多长债 + 空短债（长端利率下行使长债获利、短端利率相对上行使空头获利）；预期变陡 → 反向（空长债 + 多短债）。Butterfly：曲率变化——正蝶式 = 曲线曲率变小（如短、长端利率上行的幅度大于中端）；负蝶式 = 曲率变大。最后：互换是双方按标的交换支付的衍生交易（付固定/收浮动 vs 反向），零和、逐期净额结算；示例如"浮动负债 $10M 的银行进入付固定 3%、收参考利率（如 SOFR）的互换"——若参考利率跌破 3%，该行每季净付出；名义本金在利率互换中从不交换，只是计息基数。

Bond Yields and Return Calculations 债券收益率与回报计算

要点：Differentiate gross and net realized returns and calculate realized returns with reinvestment; define and interpret bond spreads; define and apply YTM; calculate YTM given structure and price; price annuities and perpetuities; explain spot-rate vs YTM relationships; define the coupon effect; decompose P&L into carry roll-down, rate change and spread change; describe and calculate carry roll-down under common assumptions.

Plain English: Realized return compares ending value (price + coupons, reinvested) with the beginning price; financing costs turn gross into net. A bond's spread is the gap between market price and term-structure value. YTM is the single IRR — premium/discount/par logic follows — and it blends the spot rates, so identical-maturity bonds with different coupons yield differently (the coupon effect). P&L decomposes into carry roll-down (no rate change), rate change, and spread change; no-change scenarios differ in what "no change" means. 回报 → 利差 → YTM/利息理论 → P&L 拆解：固收收益的四视角。

Realized Returns: Gross, Net & Reinvestment 已实现回报：毛、净与再投资

毛回报=（期末价 + 期间票息 − 期初价）/期初价：买价 $105、半年后 $112、收到 $2 票息 → (112+2−105)/105 = 8.57%。多期时票息要再投资：一年后 $112、两次 $2 票息（6 个月前的 $2 以年率 1% 再投）→ (112+2+2.01−105)/105 = 10.49%；再投资利率低于预期 = 再投资风险。净回报 = 毛回报 − 每期融资成本：全部 $105 以 0.6% 年率融资半年 → 8.57% − 0.3% = 8.27%（全融资时期初现金投入为零，但惯例仍以期初价为基数）。两付息日之间买卖时，用全价（报价 + 应计利息）参与计算。

Bond Spread 债券利差

市价与"按期限结构逐期折现"的理论价之差即利差（spread）：在远期利率（或贴现因子）上加一个 s，使折现值恰好等于市价——s 告诉你这只债相对曲线便宜（cheap）还是贵（rich）了多少。例（2 年、年付）：0–12 个月远期 2%、12–24 个月远期 3% → d(1) = 1/1.02 = 0.980392、d(2) = 1/(1.02×1.03) = 0.951837；若市价偏离这个折现值，就解出让等式成立的 s。经验规律：利差一般随期限上升。

YTM, Annuities & the Coupon Effect YTM、年金与票息效应

YTM = 内部收益率：让全部现金流现值等于价格的单一贴现率（需迭代/计算器）。三态：YTM < 票息 → 溢价；YTM > 票息 → 折价；相等 → 平价。例：每年 $100、10 年、价格 $700 → YTM = 7.07%；若改为每半年 $100（共 10 期）→ 周期收益率 7.07% → 年化 YTM = 14.14%。注意：YTM 隐含"票息按 YTM 再投资 + 持有至到期"，再投资利率更低时实际收益低于 YTM。年金：每年 $100、10 年、YTM 10% → PV = $614.46；永续年金 = C/y：$1,000/0.10 = $10,000、$50/0.06 = $833.33。
即期 vs YTM：YTM 是各期即期利率的"混合"——票息越大，早期（较低）即期权重越大：上行曲线下，YTM 随票息率上升而下降；下行曲线下相反（随票息上升而上升）；平坦时两者无关。这就是票息效应：同期限、不同票息的两只债 YTM 不同；且票息越低 → 利率敏感性越高（20 年 8% vs 12%：利率 −2% 时价格 +231.15 vs +171.59；+2% 时 −171.59 vs −133.32）。日本式报价：不带复利的简单收益率 = c/p + (100−p)/(p·T)：3% 票息、6 年、价 98 → 3/98 + 2/(98×6) ≈ 3.4%。

P&L Decomposition & Carry Roll-Down 盈亏拆解与持有滚动

债券盈亏 = 价格变动 + 显性现金流；价格变动拆三块：carry roll-down（假设利率预期不变时，时间流逝带来的回报——远期利率兑现为即期）+ 利率变动（实际与假设之差）+ 利差变动（相对其他债券的利差变化）。例（4% 半年付债）：期初 102.65；carry 0.85 + 利率 0.30 + 利差 0.08；期末价 101.88 + 现金收益 2.00 → 总收益 = 101.88 + 2.00 − 102.65 = 1.23 = 0.85+0.30+0.08；毛回报 = 1.23/102.65 = 1.198%。两个扩展：考虑融资 → 加第四项（融资成本，分毛/净）；期初或期末在付息日之间 → 加应计利息项。
Carry 的三种"不变"情景（2 年、2% 半年付国债，远期曲线 0.8/1.0/1.2/1.4%，由曲线折现 P₀ ≈ 101.78）：① Realized forward——远期利率随时间"前移一格"兑现（6 个月后新曲线 = 旧曲线的 1.0/1.2/1.4），剩余现金流按 0.5/0.6/0.7%（每期）折现 → P ≈ 101.19；快捷算法：一期总回报 = 当期 6 个月远期（年化 0.8% = 每期 0.4%）→ 101.78×0.4% ≈ 0.41（含 $1 票息 → 价格变动 ≈ −0.59）→ 101.78 − 0.59 ≈ 101.19（两法一致）。② Unchanged term structure——曲线形状原地不动（0.8/1.0/1.2 成为新短端）→ 按 0.4/0.5/0.6% 折现 → P ≈ 101.49；此情景隐含"远期利率里含随时间增长的风险溢价"。③ Unchanged yields——YTM 不变：一期毛回报直接等于该债 YTM（假设票息按 YTM 再投资）；现实局限：曲线一般不平且会变。

Applying Duration, Convexity, and DV01 久期、凸性与 DV01 的应用

要点：Describe one-factor interest rate models; define and compute DV01; compute the face amount of bonds needed to hedge a position with DV01; define, calculate and interpret effective duration (callable/putable included); compare DV01 and duration; define, calculate and interpret convexity and the duration+convexity estimate; compute portfolio DV01, duration and convexity; hedge with duration (and with duration+convexity); construct and compare barbell and bullet portfolios.

Plain English: Three measures, one theme — interest-rate sensitivity: DV01 (dollar change per basis point; best for hedging), effective duration (percent change per unit rate change; best for investors), and convexity (the curvature correction that duration misses). They combine into ΔP = −D·P·Δy + ½C·P·Δy². Portfolios aggregate by summing DV01s and value-weighting duration/convexity; hedges set duration or DV01 to zero; barbells buy extra convexity at the same duration. DV01 → 久期 → 凸性 → 组合与对冲：固收风险工具链。

One-Factor Models & DV01 单因子模型与 DV01

单因子方法：用"某一个利率的变动"推知全曲线变动——可以是平行移动（2 年期 +3bp ⇒ 所有即期 +3bp）；也可以是同向不同幅（短端涨得多）；还可以是形状彻底改变（上行转下行）。关键是：只需要一个因子就能算出所有利率变化。DV01（Dollar Value of a basis point，01 = 1bp = 0.0001）= 利率变动 1bp 时头寸的美元价值变化：DV01 = −ΔP/Δy（加负号是为了"利率降、价格升"时 DV01 为正）。例：面值 $100,000、6% 半年付、5 年期、现价 100,750；平行移动 −10bp 后价格 101,181.44 → DV01 = (101,181.44 − 100,750)/10 = $43.14。凸性的存在使"降息涨得比加息跌得多"：同一债券 +10bp 只跌 $429.24（DV01 = 42.92）。口径细分：yield-based DV01（对 YTM）、DVDZ/DPDZ（对即期/零息利率）、DVDF/DPDF（对远期利率）。

DV01 对冲：目标 = 合成头寸在利率微动下价值不变；HR = 1 表示两者敏感性相同。例：$1M 组合 DV01 = $340；对冲用 3% 票息 5 年债 DV01 = $285 → 工具面值 = 1M × (340/285) = $1,192,982.46。多头组合用卖出工具对冲；若被对冲方本身是空头（如 DV01 0.065 的债券空头），则要买入工具（HR = 0.065/0.085 = 0.765 → 每 $1 面值买 $0.765 面值工具）。

Duration & Callable/Putable Bonds 久期与含权债

有效久期：对给定的利率微动，价格变动百分比：D = −(ΔP/P)/Δy，常被解读为"利率动 100bp 时价格变动百分之几"；改写式 ΔP = −D × P × Δy。例：15 年、7% 票息、价 98,550、D = 3.28 → 利率 −25bp 时 ΔP = −3.28×98,550×(−0.0025) = +$808.11。含权债的久期三种算法：① 当作"不会被赎回"算（错——无视赎回可能）；② 概率加权：D = p_call(D_call) + (1−p_call)(D_not)，如 7 年债 4 年可赎、43% 概率被赎 → D = 0.43·D_called + 0.57·D_not（比①好，但仍忽略了"利率上行时被赎概率下降"）；③ 正确做法：按含权模型的现价 ± 1bp 平行移动重估、由价格百分比变动求久期。可回售债同理。DV01 vs 久期：投资人视角用久期（百分比直观）；交易/衍生品对冲用 DV01（美元金额才是可比的口径，两边名义本金不同）。

Convexity 凸性

久期是线性近似——对小幅平行移动够用，但它假设涨跌同等对待；实际价格-收益率曲线是弯的：纯久期估计的直线永远在真实价格曲线之下（涨的时候低估涨幅、跌的时候高估跌幅）。凸性 = 久期对利率变化的敏感性 = 曲率：C = (P⁺ + P⁻ − 2P)/(P·(Δy)²)——例：15 年 7% 平价债、±50bp（95.586/104.701）→ C = (104.701+95.586−200)/(100×0.0025) = 114.8。凸性数值孤立看无意义（不能直接换算成波动率），但可与久期联合给出远更精确的估计：ΔP ≈ −D×P×Δy + ½×C×P×Δy²。例：D = 9.115、C = 114.8、利率 +150bp → −9.115×100×0.015 + 0.5×114.8×100×0.015² = −13.6725 + 1.2915 = −12.381；纯久期给 −13.6725——没加凸性会高估跌幅。凸性调整恒为正。

Portfolio Measures & Hedging 组合度量与对冲

组合层面：DV01 直接相加（15+25+28+35 = 103）；久期与凸性按市值加权。例（$10M 组合）：D = (2/10)×4.02 + (3.5/10)×9.63 + (4.5/10)×13.75 = 10.36；C = (2/10)×14.05 + (3.5/10)×71.80 + (4.5/10)×170.29 = 104.57。用久期对冲：要使 ΔV = ΔP，需 P = −(V×D_V)/D_P：$1.7M、D = 6.5 的投资用 D = 7.9 的债券对冲 → 卖空 1.7M×(6.5/7.9) = $1.4M；验证：ΔV = −6.5×1.7×Δy = −11.1Δy，ΔP = −7.9×(−1.4)×Δy = +11.1Δy → 相抵。用久期 + 凸性对冲需两只债（解两方程：久期归零 + 凸性归零）：$3M、D = 6、C = 25 的组合，用 Bond 1（D7/C20）与 Bond 2（D5/C19）：−3(6) − 7P₁ − 5P₂ = 0；+3(25) + 20P₁ + 19P₂ = 0 → P₁ = $1M 多头、P₂ = $5M 空头——对更大的平行移动也免疫。

Barbell vs. Bullet 杠铃 vs 子弹

子弹：集中于中间期限的单只债；杠铃：只买短端 + 长端、跳过中间。表（5 年 D4.12/C21.9；10 年 D7.65/C59.8；30 年 D14.93/C310.5）：要构造久期 7.65 的组合——子弹 = 直接买 10 年债（C = 59.8）；杠铃 = 用 5 年 + 30 年配权：4.12w₁ + 14.93(1−w₁) = 7.65 → w₁ = 67.35%（5 年）+ 32.65%（30 年）→ C = 0.6735×21.9 + 0.3265×310.5 = 116.1。同久期下杠铃凸性远高——若预期利率大幅（平行）波动，杠铃更优（凸性受益）；可做多杠铃 + 空等额子弹套此优势。但非平行移动时子弹常胜（典型上行曲线下子弹收益率更高）；研究者构模时也力求不留下这种"杠铃-子弹"套利机会。

Modeling Non-Parallel Term Structure Shifts and Hedging 非平行期限结构移动的建模与对冲

要点：Describe PCA and identify the most important drivers of term structure movements; describe key rate shift analysis and define KR01; calculate a portfolio's KR01s; calculate hedge positions for key rate risks; apply key rate and PCA analysis to estimating portfolio volatility; describe bucketing and forward-bucket '01s; calculate duration from a KR01 or forward-bucket '01.

Plain English: Real curves don't just shift in parallel. PCA extracts uncorrelated factors (level, slope, curvature — first 2–3 matter) whose factor scores carry variances summing to total variance. Key rate analysis picks a few liquid par yields (2/5/10/30y) and prices one-basis-point bumps at each — KR01s sum to DV01. Hedging sets each KR01 to zero and solves for instrument positions. Bucketing (spot or forward) divides the curve into regions; forward-bucket '01s isolate shape risk. Factor scores also build portfolio volatility estimates; dividing '01s by value × 10,000 gives duration. PCA → KR01 → 对冲 → 分桶：非平行风险的全套工具。

Principal Components Analysis 主成分分析

PCA 从历史数据中分析期限结构移动：基于各期限利率的每日变动，提取一组互不相关的因子，线性组合出每日的曲线变动；通常前两三个因子贡献最大。因子载荷表（示例）：每 +1 单位因子 3 → 2 年期利率 +0.124bp、3 年期 +0.103bp；因子 1 的正单位使所有利率下行（类似平行移动）、负单位使所有利率上行；某日的实际变动 = 各因子的线性组合。因子得分（factor scores）的标准差体现各因子的相对重要性：12.96 / 5.82 / 2.14 / 1.79 → 总方差 = 12.96²+5.82²+2.14²+1.79² = 209.62；因子 1 的方差 167.96 占总方差的 80.13%。因子形态三类：所有利率同向（幅度不同）、短端与长端反向、中端与长短端反向。

Key Rate Shift Analysis & KR01 关键利率法与 KR01

美债市场最常用的关键利率 = 2、5、10、30 年平准收益率（par yield = par rate）。若某个关键利率移动 1bp，称为一次关键利率移动（key rate shift）——它假设"所有利率都是少数关键利率的函数"，从而近似非平行移动。债券组合用关键利率暴露、互换组合用部分 '01（partial '01s）（来自最活跃的货币市场与互换工具）、要管曲线形状风险则用远期桶 '01（forward-bucket '01s）。KR01 = 环绕某个关键利率的 1bp 移动对证券价值的美元影响：KR01ᵏ = −(1/10,000)(ΔBV/Δyᵏ)；DV01 = Σ 所有 KR01——DV01 只能对冲平行移动，逐 KR01 对冲则覆盖更广的曲线变动。关键利率久期 = 某期限利率变动 100bp 时组合价值的百分比变化；例（30 年 C-STRIP）：5 年期 1bp 移动 → 价值从 25.11584 升到 25.11984 → KR01 = −0.0040；关键利率久期 = −(1/25.11584)×(0.004/0.01%) = −1.59（也可由 KR01 换算：−(−0.0040/25.11584)×10,000 = −1.59）。把各点关键利率久期加总 = 该 C-STRIP 的有效久期。

Hedging Key Rate Risk 关键利率风险的对冲

组合（1/5/10/15 年零息债各占 1/4）对即期利率 1bp 上升的价值损失：48.75 / 302.65 / 595.10 / 856.45；三个关键利率（1/3/10 年）对这些即期利率的映射为：1 年关键 → 只动 1 年（系数 1）；3 年关键 → 分摊到 5 年（0.714）；10 年关键 → 5 年（0.286）+10 年（1）+15 年（1）。于是：KR01₁ = 48.75×1 = 48.75；KR01₂ = 302.65×0.714 = 216.09；KR01₃ = 302.65×0.286 + 595.10 + 856.45 = 1,538.11。对冲 = 令所有 KR01 归零：组合 KR01（68/106/169），三个对冲工具各 KR01（工具 1：14/3/7；工具 2：2/12/1；工具 3：3/4/15），解 3×3 方程组：

检验：14(−2)+2(−5)+3(−10) = −68 ✓，逐行成立。两工具版同理：41+3x₁+2x₂ = 0、48−4x₁+x₂ = 0 → x₁ = 5、x₂ = −28（多 5、空 28，注意对角系数为负时解出对角头寸）。理论注意点：关键利率法假设"某期限利率只受围绕它的关键利率影响"——现实中移动未必分段线性。

Bucketing & Forward-Bucket '01 分桶法与远期桶 '01

分桶：把曲线切段（如 0–3、3–15、15–30 年），每个桶内所有即期利率同动 1bp，得 B₁、B₂、B₃，DV01 = ΣBᵢ。远期桶同理但在远期利率上操作：远期桶 '01 = 桶内所有远期利率 +1bp 引起的价值下降。例（3 年债、4.5% 票息、半年付、平坦曲线 3.5% → 价值 102.8245；三桶 0–1/1–2/2–3 年）：桶 1 +1bp → 102.8145（'01 = 0.0100）；桶 2 → 102.8148（0.0097）；桶 3 → 102.8153（0.0092）；合计 0.0289——与"所有远期 +1bp → 102.7957，差 0.0289"吻合（即 DV01）。远期桶久期 = 10,000×'01/组合价值：0.0100 → 0.9725、0.0097 → 0.9434、0.0092 → 0.8947，合计 2.8106（= 全债有效久期）。

Volatility from Factors & Regulatory Practice 因子波动率与监管实践

银行的强制动作：计算 10 个 KR01——3 个月、6 个月、1、2、3、5、10、15、20、30 年即期利率各动 1bp 的影响；并结合这 10 个利率的标准差与相关性推导 VaR 与 ES。用前三个因子的组合波动率公式：σ_P = √(σ₁²f₁² + σ₂²f₂² + σ₃²f₃²)；例（f₁ = +10、f₂ = −20、f₃ = −30）→ √(12.96²×100 + 5.82²×400 + 2.14²×900) = √34466.76 = 185.65。补充：关键利率也可用平准收益率定义——因为活跃交易价格衍生出即期曲线，平准收益率最终反映即期利率。

Binomial Trees 二叉树：一步与两步模型

要点：Calculate the value of European and American options with one-step and two-step binomial models; describe how volatility is captured; describe convergence as time periods are added; define and calculate delta; explain modifications for dividends, stock indices, currencies and futures.

Plain English: The binomial model prices options in a two-state world. Either replicate the option with Δ shares and a riskless bond, or use risk-neutral probabilities π_u = (e^rt−D)/(U−D) with U = e^σ√t, D = 1/U. Multi-step trees roll back through the nodes; more steps converge to Black-Scholes-Merton. Swaps of the drift term handle dividends (r−q), currencies (r_DC−r_FC), and futures (numerator = 1−D). American options compare intrinsic value with holding value at every node. 一步 → 风险中性 → 两步 → 变体与美式：二叉树全流程。

One-Step Model: Replication & Risk Neutrality 一步模型：复制法与风险中性

两状态世界：股价期末要么涨到 Sᵤ 要么跌到 S_d。设 P=100、X=125、t=1 年、i=8%（连续复利）、Sᵤ=200、S_d=50。复制法：构造"多 Δ 股 + 空 1 份 call"的组合——涨到 200 时组合值 = 200Δ − 75；跌到 50 时 = 50Δ。令两者相等：200Δ − 75 = 50Δ → Δ = 0.5，组合**无论涨跌都值 25**（无风险）。折现：25e^{−0.08×1} = 23.08；今天组合值 = 50 − c = 23.08 → c = 26.92。（等价版本：空 1 股 + 多 2 份 call，组合恒值 50 → 100 − 2c = 50e^{−0.08} = 46.16 → c = 26.92。）风险中性：把"实际概率"换成风险中性概率——先定涨跌幅度：U = e^{σ√t}、D = 1/U；再定概率：πᵤ = (e^{rt} − D)/(U − D)、πd = 1 − πᵤ（π 不是真实概率——是"投资者风险中性时"的假设概率）。定价三步：算期末两状态支付 → 概率加权求期望 → 按无风险利率折现。例（Downhill：S=20、σ=14%、r=4%、1 年 call、K=20）：U = e^{0.14} = 1.15、D = 0.87；πᵤ = (1.0408−0.87)/(1.15−0.87) = 0.61；支付：涨态 3、跌态 0 → 期望 1.83 → c = 1.83/1.0408 = 1.76。同期限 put 用平价公式：put = call − stock + Xe^{−rt} = 1.76 − 20 + 20e^{−0.04} = 0.98。

波动率如何进入模型：σ 越大，Sᵤ 与 S_d 的离散度越大；σ = 0 时树"折叠"成直线（Sᵤ = S_d）。Delta（Δ）：为给 1 份 call 做对冲需要持有的股票份数（或反向：卖空 1 股对应的 call 份数 = 1/Δ）；Δ 随时间和股价变化，非常数。

Two-Step Model & Convergence 两步模型与收敛

多步树把每步长度记作 Δt：c = e^{−rΔt}[πᵤcᵤ + π_dc_d] 逐节点回滚，其中 U = e^{σ√Δt}、D = 1/U、πᵤ = (e^{rΔt}−D)/(U−D)。继续 Downhill 例（2 年 call、K=20）：股价树 20 → 23/17.4 → 26.45 / 20.01 / 15.14；只有"涨两次"路径有值：6.45；期望 = 0.61²×6.45 = 0.3721×6.45 = 2.40；折现两年：c = 2.40/e^{0.04×2} = 2.21。对应 put = 2.21 − 20 + 20e^{−0.08} = 0.67。收敛性：步长越短、步数越多 → 二叉树结果收敛于连续时间模型（Black-Scholes-Merton）——BSM 正是"步长无限细分"的极限。

Model Variants: Dividends, Indices, Currencies, Futures 四类变体

二叉树只改一个地方——风险中性概率的分子（漂移项）：① 连续分红率 q 的股票：风险中性下总回报 = r，其中分红贡献 q，资本增值只能是 r−q → πᵤ = (e^{(r−q)t} − D)/(U − D)；② 股指期权：视同"分红率 = q 的股票"（指数成分股分红）；③ 外汇期权：外币资产自带外币无风险利率 r_FC 的"收益" → πᵤ = (e^{(r_DC − r_FC)t} − D)/(U − D)（r_DC = 本币无风险利率）；④ 期货期权：期货零成本进入、在风险中性下是"零增长"资产 → 漂移项直接换成 1 → πᵤ = (1 − D)/(U − D)。涨跌幅度公式 U、D 在所有变体中不变。

American Options & Early Exercise 美式期权与提前行权

美式期权每个节点要比较两个数：继续持有（后续期望支付的现值）vs 立即行权（内在价值）——行权价值更大就行权，节点值取两者较大者；节点 0 也要检查。例（Uphill：P=10、U=1.20、D=0.833、πᵤ=0.51、r=2%、2 年美式 put、K=12）：股价树 10 → 12/8.33 → 14.40 / 10.00 / 6.94；期末支付：0 / 2.00 / 5.06。上行节点（股价 12）：继续持有 = (0×0.51 + 2×0.49)/e^{0.02} = 0.96；立即行权 = max(12−12,0) = 0 → 不行权。下行节点（股价 8.33）：继续持有 = (2×0.51 + 5.06×0.49)/e^{0.02} = 3.43；立即行权 = 12 − 8.33 = 3.67 > 3.43 → 行权！今天价值 = (0.96×0.51 + 3.67×0.49)/e^{0.02} = 2.24。

The Black-Scholes-Merton Model BSM 模型：从对数正态到期权定价

要点：Explain the lognormal property of stock prices and the distribution of returns; calculate realized return and historical volatility; describe BSM assumptions; calculate European option values on non-dividend stocks, dividend-paying stocks, currencies and futures; explain early exercise with dividends; value warrants and dilution; define implied volatility and the volatility smile.

Plain English: BSM prices options in continuous time on the no-arbitrage principle. Stock prices are lognormal; continuously compounded returns are normal with mean μ − σ²/2 and sd σ/√T. Historical volatility = sd of continuously compounded returns × √252. Inputs: S₀, X, r, T, σ. Swap the drift for dividends (S₀e^−qT), currencies (r_FC), futures (Black's model). Dividends complicate American exercise; warrants carry dilution; implied volatility is solved by iteration and traces a smile. 分布 → 假设 → 公式 → 变体 → 证权与隐含波动率：BSM 全景。

Stock Price Distribution & Historical Volatility 股价分布与历史波动率

BSM 的第一块积木：股价对数正态——ln S_T ~ N[ln S₀ + (μ − σ²/2)T, σ√T]。例（S₀=25、μ=12%、σ=20%、T=0.25）：ln S_T ~ N(3.244, 0.10)；95% 置信区间 = e^{3.244 ± 1.96×0.10} → 21.073 < S_T < 31.187。把均值与标准差除以 T 得连续复利年化收益率的分布：均值 μ − σ²/2（12% − 0.2²/2 = 10%）、标准差 σ/√T（4 年：0.2/2 = 10%——注意时间越长、平均收益率的标准差越低）。期望股价：E(S_T) = S₀e^{μT}（25e^{0.1} = 27.63）。多个期间的实际回报要链式相乘（几何平均）：(1.05×0.96×1.09×1.06)^{1/4} − 1 = 3.9%。波动率的两个事实：① 时间平方根法则——周标准差 5% → 年化 5%×√52 = 36.06%；② 历史波动率 = 连续复利收益 ln(Sᵢ/Sᵢ₋₁) 序列的标准差 × √(年交易日数)：ln(50/47) = 6.19%（等价于 ln(1+6.38%)）；常用 90–180 个交易日数据，经验法则是"数据覆盖期约等于预测期"；遇到除息日要剔除当天的股价变动。

BSM Model: Assumptions & Formulas BSM：假设与公式

七大假设：① 标的资产价格服从对数正态分布（对数收益正态、价格最低为零——比正态更贴切）；② 无风险利率恒定、已知、可自由借贷；③ 交易连续进行；④ 波动率恒定且已知；⑤ 市场无摩擦（无税、无交易成本、可自由卖空）；⑥ 标的资产无现金流（无分红/票息）；⑦ 期权是欧式（BSM 不能给美式期权正确定价）。定价逻辑与二叉树同源——用"瞬时无风险组合"加无套利条件推出。公式：c₀ = S₀·N(d₁) − X·e^{−R_f·T}·N(d₂)；p₀ = X·e^{−R_f·T}·[1−N(d₂)] − S₀·[1−N(d₁)]；其中 d₁ = [ln(S₀/X) + (R_f + σ²/2)T]/(σ√T)、d₂ = d₁ − σ√T（N(·) = 累积正态概率，查表可得）。例（Vola：S=50、X=45、T=0.25、r=5%、σ=12%）：d₁ = 1.99、d₂ = 1.93 → N(d₁)=0.9767、N(d₂)=0.9732 → c = 50×0.9767 − 45×e^{−0.0125}×0.9732 = 48.84 − 43.25 = $5.59；put 用平价公式：5.59 − 50 + 44.44 = $0.03。记住：**有 call 就有 put**——平价公式永远比背两个公式省事。

Variants: Dividends, Currencies, Futures 三大变体与含分红美式期权

放松"无现金流"假设：① 连续分红率 q——用 S₀e^{−qT} 替代公式里的 S₀（类比远期定价减现金流现值）：Vola 加 q=2% → 调整价 49.75、d₁=1.91、d₂=1.85 → c = $5.34（比无分红少 0.25——分红压低 call、抬高 put）。② 外汇：把 q 换成外币无风险利率 r_FC；③ 期货：把 S₀ 换成期货价 F、q 换成本币利率 r——即 Black 模型。若题目给的是"分红金额"而非分红率：把各笔分红折现后从股价里减去——例（$100 股票、σ=20%、r=7%、6 个月 ATM call）：无分红时 c = 7.43、put = 3.99；有 $1（2 个月后）与 $1（5 个月后）分红 → PV 分红 0.9884 + 0.9713 → S₀ 调整为 98.04 → d₁ = 0.1783、d₂ = 0.0369 → N = 0.5708/0.5147 → c = 98.04×0.5708 − 100e^{−0.035}×0.5147 = $6.26、put = $4.78。含分红的美式期权：无分红时美式与欧式 call 无差别；有分红时，在最后付息日 tₙ 提前行权的条件是 Dₙ > X(1 − e^{−r(T−tₙ)})——离到期越近、分红越大，提前行权越有利；美式 put 则相反：分红越大越不倾向提前行权。

Warrants & Dilution 认股权证与稀释

认股权证：附着于债券发行的"按约定价格购买公司股票"的权利，可从债券剥离单独交易——本身是一份看涨期权。关键区别：行权时是从公司买新股（而非二级市场转手），付款通常低于每股市场价值 → 稀释。假设发行无任何市场收益：每份权证价值 = N/(N+M) × 同类 call 价值（N = 现有股数、M = 新发权证数）；总成本 = M × 每份价值；股价预期下跌 = M/(N+M) × call 价值。例：100 万股（$50/股）拟发 50 万份权证、对应 2 年欧式 call 值 $6.00 → 每份权证 = (1M/1.5M)×6 = $4.00；总成本 = 50 万×4 = $2M；若无市场收益，股价下跌 (0.5/1.5)×6 = $2 → $48。

Implied Volatility 隐含波动率

BSM 五个输入里四个可观测（股价、行权价、利率、期限）——只剩波动率不可观测。把市场价代回模型、反解出让 BSM 值等于市价的波动率 = 隐含波动率；无解析解，只能迭代试错（若模型值低于市价就调高 σ，直到相等——期权价值与波动率正相关）。隐含波动率随行权价变化，画出来是波动率微笑；把行权价 × 期限两个维度一起看 = 波动率曲面。

Option Sensitivity Measures: The "Greeks" 希腊字母：Delta、Theta、Gamma、Vega、Rho

要点：Assess naked and covered option positions; describe stop-loss strategies; calculate option delta and explain delta hedging (dynamic aspects); define vega, gamma, theta, rho; implement and maintain delta- and gamma-neutral positions; describe the relationship among delta, theta and gamma; calculate portfolio Greeks; describe portfolio insurance.

Plain English: The Greeks are the option risk dashboard: delta (price sensitivity, = N(d₁)), gamma (delta's rate of change), theta (time decay), vega (volatility sensitivity), rho (rate sensitivity). Naked calls have capped gains and unbounded losses; covered calls and stop-loss strategies are imperfect fixes. Delta hedging requires continuous rebalancing; gamma neutrality needs another option; portfolio Greeks are weighted averages; portfolio insurance buys puts (or synthesizes them with futures) to floor downside while keeping upside. 策略 → 五字母 → 组合与保险：期权风险度量全链条。

Naked, Covered & Stop-Loss Strategies 裸卖、备兑与止损策略

裸卖（naked）：不持股卖出 call——例：股价 $20、卖出 1 万份 K=$23、权利金 $4 的 call → 收 $40,000；只要到期价 ≤ $23 就净赚权利金；但股价每超过 23 一块钱就少 $10,000：若到期 $30 → 支付 7×10,000 = $70,000、净亏 $30,000。最大收益 = 权利金，亏损理论上无上限。备兑（covered）：持股卖 call——被行权时卖掉手里已有的股票，两头"对消"；但股价跌到 $10 时持股亏 $100,000，远超权利金收入补贴。止损策略：专为限制空头 call 的损失——标的涨破行权价就买股（转备兑）、跌破就卖股（回裸卖）；目标是"OTM 时裸卖、ITM 时备兑"。缺点：交易成本（股价在行权价附近反复穿越时急剧放大）与价格不确定（到期那一刻标的在不在行权价之上无法预知）。

Delta & Delta Hedging Delta 与动态对冲

Delta = ∂c/∂s：标的变动 $1 时期权价格的变动——也是期权定价函数在当前股价处的斜率。call 的 Δ ∈ [0, 1]，put 的 Δ ∈ [−1, 0]；call 的 Δ = N(d₁)（BSM 直接给值：d₁ = 1.99 → Δ = 0.9767）。Δ = 0.6 意味着标的每动 $1、期权动 $0.60。完全对冲（delta 中性）：做空 1,000 份 call → 持 600 股（0.6×1,000）；标的涨 $1：股票赚 $600、空期权亏 $600，净 0。反向公式：给 1 股做对冲要卖出 1/Δ 份 call。含分红调整：call 的 Δ = e^{−qT}N(d₁)、put 的 Δ = e^{−qT}[N(d₁)−1]、远期 Δ = e^{−qT}；远期通常 Δ = 1（1:1 关系）；期货的 Δ 一般不是 1——无分红股指期货 Δ = e^{rT}。动态性：Δ 随股价变化（例：股价 50 → 51 时 Δ 由 0.60 升到 0.62），组合即"失中性"——须连续再平衡：需空 60,000/0.62 = 96,774 份（≈968 手）→ 从原来的 100,000 份回购约 32 手。频繁调仓 = 动态对冲（dynamic hedging）；建仓后不管 = 静态对冲（hedge-and-forget）。用 put 也能做 delta 中性：put 的 Δ = call Δ − 1 = −0.40 → 需买 60,000/0.40 = 150,000 份（1,500 手）put。

Theta, Gamma, Vega, Rho 四字母逐个击破

Theta（Θ = ∂c/∂t）：时间衰减——期权价值随到期临近而下降的速度。年化值 ÷365（自然日）或 ÷252（交易日）换算。例：Θ(call) = −2.49/年 → 每交易日 −0.00988。特征：call/put 受影响方向相似（多数随时间长而贬值）；随股价与时间变化；ATM 且临近到期时最显著；通常为负、到期前绝对值增大；但实值欧式 put 的 Θ 可为正。Gamma（Γ = ∂²c/∂s²）：Delta 的变化率 = 定价函数的曲率；Γ = N'(d₁)/(S₀σ√T)（例：0.055/3 = 0.0183——股价 +$1 使 Δ 变 0.0183）。Γ 在 ATM 最大、深度实/虚值时趋近 0。Delta 挡小幅波动、Gamma 挡大幅波动；股票与远期等线性工具 Γ = 0，故只能期权的组合。组合 Γ = −6,000 → 用 Γ=1.25 的期权：买 6,000/1.25 = 4,800 份 → 新增 Δ = 4,800×0.6 = 2,880 → 再卖 2,880 股恢复双中性。Vega（∂c/∂σ）：波动率敏感度——vega=8 表示波动率 +1%（12%→13%）时期权 +0.08；call 与 put 的 vega 相等；公式 vega = S₀N'(d₁)√T（50×0.055×0.5 = 1.375 → +0.01375/1%）；ATM 最大。Rho（∂c/∂r）：利率敏感度——股票期权对利率最不敏感（固定收益衍生品才重要）；实值期权更敏感；rho(call) = XTe^{−rT}N(d₂)（45×0.25×0.9876×0.9732 = 10.81 → 利率 +1% → +0.1081）。三字母关系式：rΠ = Θ + rSΔ + 0.5σ²S²Γ；delta 中性（Δ=0）时简化为 rΠ = Θ + 0.5σ²S²Γ——这就是"用 Θ 代理 Γ"习惯的数学来源。

Portfolio Greeks, Limits & Portfolio Insurance 组合希腊值、限额与组合保险

组合希腊值 = 各头寸的加权平均：Δ_p = ΣwᵢΔᵢ（例：0.20×0.75+0.35×0.45+0.45×0.60 = 0.58）；gamma、vega 同理。实务：先调成 delta 中性、再监控其他希腊值——大行还会设限额（如 delta 限额 $200,000、gamma 限额 300、vega 限额 $50,000/1%），并计算 charm（Δ 随时间）、vanna（Δ 对波动率）、vomma（vega 对波动率）等"二阶"字母；情景分析同时改变价格与波动率看组合盈亏。机构卖期权给客户 → 负 gamma 负 vega：临近到期的 ATM 头寸最危险，但时间流逝会自然分向实/虚值、敏感度下降。组合保险（portfolio insurance） = 底层资产 + 现金/衍生品的组合，给组合保底（下跌时有地板）同时保留上行空间。实现：① 直接买 put——最直接（问题是未必有合适期限/行权价的 put）；② 用股指期货合成 put——按所需 put 的 delta 比例卖出期货；优势：交易成本低得多、流动性好。区别于 delta 对冲：组合保险的标的"保护一个多头组合"，delta 对冲是"消除已有头寸的价格波动"。

Interactive Calculators 交互式计算器

Twelve working calculators wired to pure-JavaScript functions in the trailing script. Input values and click "计算/Calculate" — outputs appear in the green boxes. These mirror the exact formulas from the chapters so you can verify the worked examples.

Formula Sheet 公式表

The essential formulas 全部十六章, collected for rapid review. Formula symbols match the chapters above.