对冲基金核心风险管理
理解对冲基金风险
这里先说两个平衡关系
第一个平衡：
风险永远不仅仅是算一个标准差这么简单，尤其在对冲基金领域。不同投资者对于风险和收益有不同的要求，目的都是为了在特定风险下取得最大的收益。收益的计算比较简单，而风险的度量相对比较复杂，需要对不同资产类别的性质、策略的使用和投资组合有深入的理解。
投资组合的风险往往是隐含在市场关系、策略关系以及非量化因素之间，线性或者非线性地存在，这导致了风险识别的难度。对风险估计不足会有可能直接导致损失，而对风险的高估也会造成资本利用率不高。因此主要的问题就是合理地衡量风险，要在收益和风险之间取得一个平衡。
第二个平衡：
通常衡量风险都是基于历史数据的，计算风险、收益、相关性等指标，用均值方差模型计算一个最优组合。这些计算都有一个共同的前提假设：历史会重演，过去的业绩可以持续。这个假设是值得怀疑的，比如过去的相关性很低的资产在遇到危机的时候，也可能变得高度相关。对此，最好的解决办法是基于足够完整的数据，在不同周期和牛熊市之间进行充分的分析，提高统计结论的显著性。
另一方面，对冲基金由于策略的复杂性和隐蔽性，普通投资者难以理解背后的逻辑。同时，过多地暴露策略持仓等细节，会使策略变得无效，基金经理一般也不太愿意透露过多的数据。因此在如何在有限的数据内，既不过多地暴露策略细节，又可以很好地揭示风险，这是另外一个平衡。
市场风险
风险通常可以划分为市场风险和非市场风险，本章首先从市场风险的角度介绍了风险度量方法和风险归因分析。对于卖方，，采取更为严格的风控措施，他们通常会搭建一套完整的体系从多个维度来管理所持有的资产的风险；对于买方，虽然也需要对风险进行监控，但更多地关注风险来源，这也是基金经理进行投资决策的重要依据。
2.1 风险度量
风险在正常市场下和危机市场下的表现有可能截然不同，对于这两种情况下的度量方式也需要加以区别。
2.1.1 正常市场风险
正常市场下，风险通常有两种计算方式，基于实际回报的方式和基于模拟资产组合的模拟方式。这两种方法都是基于历史数据，而历史多以多大概率重演，是个核心问题。研究表明，收益率在过去和将来并没有表现出持续性，而受益标准差则表现出了很强的持续性。
风险管理的职能并不是预测市场收益，而是对特定的策略进行风险的量化。尽管历史业绩并不能很显著地预测未来的情况，但是分析策略在不同市场中的历史表现对于度量风险是一种很有效的方法。下图是在不同情况下风险度量的方法：
基于实际回报
这是使用最多也最简单的一种方式，直接根据基金的历史净值进行计算，但同时也存在以下的问题：
历史太短：不同基金的存续时间有所差别，在进行对比的时候需要选取其中共同的一段时间，往往导致历史数据太短，甚至不能穿越一个完整的经济周期，这样计算出的风险收益是不具备统计意义的。
估值问题：对冲基金往往持有大量流动性差的资产的头寸，市场价格难以估计。在这种情况下，波动率会被低估，有些管理人甚至可以很轻易地在业绩上修改和粉饰数据。
变化的组合：对冲基金平均持仓周期为一个月，策略也可能随时变化，因此用过去的策略和投资组合计算出来的结果，无法代替当下投资组合的情况。
数据有限：即使正常运营3年的一只产品，月净值也只有36个，当因子数量增加的时候，这么小的样本数不足以得到一个显著的统计结果。
基于模拟资产组合
这种方法通过复制当前的投资组合进行模拟投资，计算所得的净值业绩完全基于市场表现。当然，这种投资方式需要大量的数据进行测试，因此为了减少跟踪误差，需要一套完善的系统来处理各类资产的头寸和模型投资过程。通常有三种方法进行模拟：
历史模拟：将当前的投资组合应用在市场历史数据上。
参数模拟：通过历史数据计算出方差/协方差矩阵，从而精确计算风险的计算表达式。
蒙特卡洛模拟：类似参数模拟法，通过产生随机数将方差/协方差矩阵转化为随机序列，从而创建多种假设情景。
综合多方面因素考虑，历史模拟法是最优的选择。
2.1.2 危机市场风险
相比于共同基金，对冲基金在金融危机发生时的风险管理更为重要，这主要是收益和市场表现的非线性关系造成的。比如，当市场上涨2倍时，对冲基金的收益不会超过2倍；而当市场下跌时，投资组合之间的相关性有可能突然变得很大，下跌速度超过市场。下图总结了1987年到2002年世界金融危机发生的时间：
对于危机市场下的风险，主要有两种度量方式：
历史危机情景：将历史上发生金融危机的时刻单独挑选出来进行回测，分析在不同情况下的表现。
模拟压力情景：将投资组合暴露在一些人为设置的极端市场环境下，分析其市场表现。
风险通过比较可以很好地进行判断。具体说，在一种或者多种压力测试下，投资组合的表现并不能直观评估其内在风险，但是如果对比于其他投资组合在同样市场环境下的表现，结果就更有意义了。因此，需要不断调整情景组合，使模拟压力测试的结果更有价值。
2.2 风险归因
通常意义上，风险归因更多是买方用来衡量和解释风险来源的量化方法。基本的方法包括了分组切割、指数基准、风险价值VaR和风险因子模型。前三种方法在统计学上并不能显著地反应内在风险，第四种方法在实践中应用较多，提供了一种可以在基本面上得到很好解释的计算风险的方式，前几周提到的Barra模型就是其中的典型代表。
分组切割法
传统的多头市场中，风险可以根据其特征被分组和 “切割”成若干个类别，常见的分类可以按照：行业、汇率、信用等级、久期、国家/区域、市值等方式，但对于同时持有多头和空头头寸的组合中，这种方式就不太合适了。比如，当一个组合持有技术行业不同公司的多头和空头头寸，行业净敞口为0，显然是不合理的。对于一些含有期货、期权、互换等衍生品的组合，计算则更为复杂，简单的分组不能很好地解释风险的来源。
指数基准法
指数通常用来衡量纯多头策略基金经理的业绩，由于多头策略的业绩和指数之间往往有很大的相关性，收益主要来源于beta。对冲基金的策略多样，比如可转债套利基金可能做多或者做空利率、波动率或者股票，其收益和指数之间相关性较低，各类风格指数和对冲基金指数并不能很好地解释风险和收益来源。
风险价值VaR法
VaR是用来衡量尾部风险的一个重要指标，表示在极端情况下可能的最大损失。它的最大优势在于计算简单，适用于各类资产，但同时这也是它的最大问题，无法从根本上解释风险的来源。另一个问题是它不可相加，假设持有多支基金的组合，在给定每支产品的VaR的情况下，无法计算这个基金组合的整体VaR，以及每支产品的风险和整体风险的关系。
风险因子模型法
对于传统投资市场，风险因子模型对于解释风险来源十分有效，关于模型应用的标准框架也有几个不同标准，包括BARRA, Wilshire, Zephyr, 以及 Northfield等。同样的，涉及到对冲基金，传统的风险因子框架仍然显得有些不足，主要因为风险因子模型：
· 基于长时间的历史数据，很难适应对冲基金这种面向交易的策略
· 关注参数法，忽略了对冲基金更复杂的策略
· 假设风险是独立正态分布的
因此，对于对冲基金而言，需要有一套专门设计的风险因子模型，以下表格总结了市场风险的一级分类、二级分类以及风险因子。
除此之外，每个策略都有其特殊的风险，还需要对这些风险因子进行分析，包括它和其他风险因子之间的相关性和独立性、风险的敏感性等。风险因子之间通常存在共线性问题，在选择因子的时候通常可以从市场、风格和行业三个角度进行区分，使得因子之间最大程度地正交化。
2.3 策略风险和收益
上文对风险来源做了细致的分析，对冲策略则是通过这些风险因子的搭配组合产生价值，从这个角度可以将对冲基金收益来源分为以下几个主要方面。
做空：主要用于卖空过高估值的证券；对冲风险敞口，如MBS，ABS、可转债；价格发现，如收益率曲线偏移、并购重组、资本结构套利、期权套利等。
非流动性证券：主要通过一些特殊的事件产生收益，权益类的如私募股权、新兴市场权益或者困境证券；固定收益证券包括MBS，ABS，贷款、保理、新兴市场债务、高收益债等。
杠杆：主要针对金融杠杆，例如固定收益套利策略会把握住收益率曲线一个微小的异常，通过高倍杠杆来博取收益，这种风险通常被称为“运行在银行之上的风险”。
凸性：大量使用的衍生产品，如期权、期货、互换，造成收益曲线的非线性关系。
交易技巧：对冲基金复杂的策略要求具备很高的交易技巧，典型代表包括股票多空策略、统计套利、日内交易等。
非市场风险
非市场风险包括了投资流程风险、商业风险、运营风险等，研究表明这三者的占比情况如图所示：
这部分风险不能在收益方面得到补偿，需要在业务系统、组织结构以及基金管理流程上进行把控。
业务系统：包括系统交易者的投资组合、交易监控、清算、净值结算、财务会计、每日损益分析、数据调整、灾难恢复、风险评估、内部审计和控制等。
组织结构：包括前台、中台和后台责任分离、交易职责分工、高层管理组织架构、利益分配问题等。
基金管理流程：包括赎回政策和流动性的匹配、现金管理、融资管理、交易对手风险管理、估值、投资指导原则等。
事实上，非市场风险的重要性程度不亚于市场风险，本文着重讨论针对市场风险，因此这部分内容较为简略。
投资者视角
这里说的投资者特指不具备专业投资技能的普通出资人，不包括基金管理者。那么对于普通投资者而言，又会面临哪些风险呢？
缺乏标准：对冲基金由于其特殊性，，也没有非常完善的管理机制。例如，基金净值是如何估算的？管理费用和业绩提成费用如何计算和提取？何时可以提取？基金管理人是否真实地按照合同标准来进行？这些风险都是直接和投资者利益相关但又没有统一标准，尤其值得关注。
缺乏效率：大多数对冲基金都是披露每月的净值，有时候会在每周进行一次估值，但是每只基金披露的频率，估值方法都不一样。虽然有不少机构提供对冲基金净值信息，如HFR，MSCI，但是仅仅依据净值无法很好地解释每只产品的回报来源，而且主流的基金并通常甚至不会像他们提供净值数据。所有这些信息的来源都是延迟的，缺乏效率的。
信息不准确：前文中提到，对冲基金中的一些资产因为流动性、复杂性等问题，难以准确估值，这也导致一些重要的风险被暂时的隐藏。同时，因为估值体系的不完善以及信息披露的非强制性，很多基金经理选择性地披露收益较好的部分，掩饰了其中的风险。
风险管理
5.1 基本要求
对冲基金的风险管理需要有一套尽量统一的流程和标准，使投资者和基金管理人之间可以以更直接的方式进行交流，同时让风险更可控。这套风险管理系统至少应该满足：
可理解的：杠杆率、波动率、流动性等重要指标，在不同的投资组合中应该有相同的、明确的定义。
可比较的：上述所提到的指标应该可以直接和其他组合进行比较。
可聚合的：投资组合的风险可以通过某种方式由各类基础风险聚合而成。
可参考的：投资组合的风险可以直接和基准组合的风险进行对比。
可追踪的：类似“风格漂移”的易变化指标可以立刻被注意和发现。
风险可分解的：风险可以分解成为对每一项具体风险因子（如市场、风格、行业等）的敏感程度。
业绩可归因的：收益可以被归因于市场暴露、行业暴露、个股选择等因素。
可掩饰的：风控系统不会公开透露持仓等关键信息。
5.2 解决方案
具体来说，这套解决方案应该包括以下几个子系统，
其中，每个系统可以从不同维度进行分析：
持仓集中度
不同资产类别，包括股票、债券、商品、衍生品、货币等；持有头寸类别：多头、空头、总头寸、净头寸；不同的行业、市场、市值规模；固定收益证券的不同评级、久期。
杠杆率
借贷杠杆，特指由负债产生的杠杆水平；名义杠杆，包括期权、期货、互换等衍生品产生的杠杆。
流动性
主要看每个持仓到清算前的时间，以及将这个结果反应在整个投资组合中，计算基于不同资产、不同头寸类别的平均换手率。
风险因子
股票风险因子，包括价值、大小盘、成长、波动、流动性、杠杆等；利率和信用利差风险因子，包括收益曲线的平移、扭转、曲折；商品风险因子，包括各类商品指数；货币风险因子，包括两个层级的因子结构，第一层级是美元指数，定义了货币相关的市场风险，第二层级是每种货币对美元指数的相对收益；房地产风险因子，包括不同地区、地产类型如酒店、公寓、工业建筑等。
历史模拟
通过短期风险因子和长期风险因子结合，模拟未来长期的市场表现，对于不同资产类别需要加以区分。短期（一年内的周数据）的特殊风险表现结合到长期（10年以上月数据）历史模拟数据进行回测，同时将短期收益的独立因子和长期收益的因子相结合，得到综合风险状况。
压力测试
用于分析投资组合在危机市场中的表现，这对主要资产类别、市场因子在显著（2倍标准差）和极端（4倍标准差）的情况下的表现。
凸性
投资组合非线性分析基于压力测试的结果，对于每一个压力测试情景，考虑凸性的收益计算和应用线性插值的风险因子敏感性分析都需要计算，二者的差值将图形的影响分离。
风险-收益分析
包括常见的收益率、波动率、风险调整收益、相关性、VaR等统计值，对于每个指标，需要在不同时间维度上，和其他同类基金进行比较。同时，将模拟盘的业绩和历史业绩进行比较，重点分析收益和风险的持续性和稳定性。
投资组合
系统化地构建投资组合和投资经理构建投资组合的理念有所差别，投资经理通常从交易层面出发，自下而上，例如一个配对交易或者固定收益的对冲；而基于统计学的组合并不能直接认识这些关系，而是识别出每个头寸的风险以及所对应的表现，从而推断出它们的内在关联。例如对于一个备兑认购期权，基金经理明白标的资产和认购期权之间的关系，而是模型系统会将资产多头头寸和认购期权空头头寸匹配相同的风险因子，从而将净敞口消去。因此，有效的系统可以完整、有效、严格、客观地给基金经理的决策提供补充。风险管理系统的目标不是去避免风险，而是将风险匹配最有吸引力的回报 。
后记：本文内容较为理论化，有些部分在实践中的操作性还不强，基本是点到为止，可作为对冲基金风险管理的参考框架。
