风险管理 on 云栖

风险度量：波动率、Beta、VaR 与尾部

Mon, 01 Jan 0001 00:00:00 +0000

风险度量回答三个层层深入的问题：**最近它晃得多厉害（波动率）？它对系统晃动多敏感（Beta/跟踪误差）？最坏情况会坏成什么样（VaR/尾部）？**每往下一层，测量的难度与价值都上一个台阶。

波动率：三种估计与各自的偏差

收盘价标准差（经典）：σ_daily × √252。简单稳健，但只用每天一个点——日内大幅震荡而收盘接近的日子会被低估；
已实现波动率（Realized Vol）：用日内高频收益的平方和聚合，统计效率比日频高一个数量级——波动率研究的现代标准（计算细节见随机过程）；
隐含波动率（IV）：期权市场对未来波动的定价，前瞻性是它独有优势（IV 上升常领先于已实现波动上升）——风控的「传感器」，但含风险溢价（IV 系统性高于后续 RV）。

两个估计陷阱：波动聚集（GARCH 效应）意味着用全样本一个 σ 描述「现在」是错的，滚动窗口或条件模型才是常态；极端值主导（平方对大偏离极其敏感）意味着一次崩盘日会让 60 日波动率跳升数倍——区分「波动水平」与「波动中的异常值」。

Beta 与跟踪误差：组合在系统中的坐标

Beta：组合对基准的敏感度。β=0.8 表示基准 +1% 时组合期望 +0.8%。它回答「你承担了多少系统风险」——但在多因子语境下要展开成暴露向量（对市场、价值、动量、规模…各多少，见因子暴露监控）：只看市场 Beta 的「中性」组合可能满仓小市值风格，2024 年初照样崩。

跟踪误差（TE）：std(组合收益 − 基准收益)，主动风险的标准度量。它把「主动管理的赌注大小」量化：指增产品 TE 3%–8%；TE=0 就是指数本身。信息比率 IR = 年化超额/TE 是主动管理的成绩单——但注意超额的显著性门槛：t = 超额/TE × √年数，五年样本、超额 3%、TE 8%（t≈0.84）无法与运气区分（见假设检验与基准选择）。

Beta 与 TE 的组合含义：高 Beta + 低 TE = 「放大版的基准」（没有主动能力，只有杠杆化的市场暴露）——识别这类「伪主动」产品，Beta/TE 二维图一眼可见。

VaR 与 CVaR：尾部风险的通用语言

VaR（在险价值）：给定置信水平与期限，「最坏情况」的边界。例：95%/1日 VaR = 200 万 → 100 天里约有 5 天亏损超过 200 万。三种计算方法：

方法	做法	优点	缺点
历史模拟	用历史收益分布的分位数	无分布假设、含真实肥尾	假设历史重演；极端分位样本少
参数法（方差-协方差）	正态假设 + 组合方差	计算快、可分解到持仓	低估肥尾（正态的傲慢，见概率论基础）
蒙特卡洛	模拟 N 条路径取分位	灵活（可加压力情景）	依赖模型假设与随机数质量

CVaR / ES（条件在险价值）：超过 VaR 的那些日子的平均损失。它比 VaR 诚实（VaR 不告诉你越过边界后有多坏，CVaR 回答了），且是凸的——可以直接作为组合优化的目标函数（CVaR 优化，见优化），这是它成为现代风控标配的数学原因。监管口径（巴塞尔 FRTB）已从 VaR 转向 ES。

使用纪律：VaR 家族度量「正常市场里的坏日子」，不度量危机——1995 年后的每次危机都在提醒：历史样本外的尾部（从未见过的相关性、从未见过的波动水平）才是真正的杀手。所以 VaR 必须与压力测试（人造极端情景，见事前风控）配对使用。

下行风险与尾部：分布形状的语言

偏度（Skewness）：分布的不对称。负偏（左尾长）策略 = 「多数小赚 + 偶尔大亏」（卖波动、套息、高息债——金融里最常见的危险形状）；正偏（右尾长）= 趋势跟踪、期权买方。同夏普的两组策略，偏度决定生死体验——动量的动量崩溃（见因子失效案例）就是负偏的代价；
峰度与尾部指数：肥尾的程度。t 分布自由度 3–6 是收益率拟合的常态——任何假设正态的尾部估计都要打对折再看；
最大回撤族：MDD、回撤持续、ulcer 指数——资金曲线视角的风险（与产品的预警/平仓线直接对应，是「活着」的度量）；
尾部相关性：危机时资产间相关性跳升的现象（见组合风险）——分散化在最需要时失效，是尾部风险管理的头号难题。度量：分位数相关、条件相关（超越阈值时的 ρ）。

本篇的合成读法：用波动率管「日常」，用 Beta/TE 管「主动赌注的大小」，用 VaR/CVaR 管「正常世界的坏日子」，用偏度+压力测试管「历史之外的世界」。四层齐备，风险才被「看见」——看见之后的事（限额、熔断）见本章后续各篇。

关联阅读：度量之后的动作事前风控；VaR 的回测检验事后风控；风险的语言如何变成产品语言量化私募生态。

组合风险：相关性崩溃、集中度与因子暴露监控

Mon, 01 Jan 0001 00:00:00 +0000

组合风险监控的前提是一个残酷事实：静态的风险报表是过期新闻。波动、相关性、因子暴露每天都在变，而危机恰恰发生在它们「突然变」的时刻。本篇讲组合层风险的三个监控维度——每一个都对应一类历史上反复发生的组合猝死。

集中度：三重度量的限额体系

「不要把鸡蛋放一个篮子」在工程上是三层限额：

层	度量	典型限额	防的是什么
单一标的	权重 %、市值占流通盘 %	单票 5%–10%；占流通盘 ≤ 1%–2%	个股黑天鹅、进出困难
行业/主题	行业权重 − 基准偏离	偏离 ±5%–10%	行业政策风险（A 股高频事件）
持仓结构	有效持仓数 N_eff = 1/Σwᵢ²、Top10 占比	N_eff ≥ 30；Top10 ≤ 40%	「名义分散、实质集中」

**N_eff（有效持仓数）**值得单独算个例子：持仓 200 只但前 10 只占 70%（各 7%）、其余 190 只合计 30%（各 0.16%）——N_eff = 1/(10×0.07² + 190×0.0016²) = 1/(0.049 + 0.00049) ≈ 20。名义持仓 200 只、有效持仓只有 20 只——它是揭穿「伪分散」的单一数字。流动性的隐藏维度：单票「市值/日均成交额」比值比权重上限更能预测出逃难度——5% 权重的僵尸股比 2% 权重的流动性差股更危险（容量与流动性的分析见流动性分析）。

因子暴露监控：组合的性格日报

组合每天「实际上」在赌什么风格？因子暴露监控把它变成每日数字（回归法估计暴露，见因子归因）：

日报三件套：

暴露表：对市场 β、市值（SMB）、价值（HML）、动量、波动、流动性等因子的标准化暴露（z 值）+ 与限额的比较。例：「组合市值暴露 −1.2（限额 −1.5），动量暴露 +0.8（限额 +1.0）」；
暴露的历史轨迹：暴露的滚动曲线——缓慢漂移（因子持仓自然演化）vs 突变（某天行业集中度暴增），突变要触发检查；
风险的因子分解：组合预测风险中各因子贡献的百分比（风险模型的方差分解）——「组合 80% 的风险来自小市值因子」这种事实，在净值回撤之前就该被看见。

暴露限额的设定逻辑不是越严越好：指增产品主动放弃暴露（贴基准）；灵活多空产品主动选择暴露（风格择时是策略的一部分）——但「选择」必须显性：任何暴露要么在限额内、要么在投委会批准的例外清单上。最危险的不是大暴露，而是没人知道自己有大暴露——2021 年 A 股量化超额回撤的事后复盘里，几乎所有受损组合都「未曾意识到自己共同暴露在小市值+高波动」（行业级案例见经典复盘与幻方的公开致歉）。

监控体系的工程形态

数据流：每日收盘 → 风险引擎重估（波动、相关、因子暴露、VaR）→ 与限额比对 → 日报推送 + 违规告警（工程骨架见日志与监控）。两个易忽视的设计点：

压力日自动复盘：市场单日 ±3% 的日子，自动生成「当日组合归因 vs 竞争基准」——危机是最好的校准样本，错过就浪费了；
风险模型自身的风控：因子暴露估计依赖风险模型，模型失效（如新增风格未收录）会让监控盲视——保留一个「朴素但独立」的备份度量（如组合与主要指数的滚动相关、分位数相关）交叉验证。

关联阅读：暴露的来源管理约束优化；相关性的数学线性代数；监控之上自动化的动作事中风控。

事前风控：仓位限制、止损与压力测试

Mon, 01 Jan 0001 00:00:00 +0000

事前风控是整个风险管理体系性价比最高的环节：在交易发生前把「不可能接受」的状态变成「不可能发生」。事中监控再快也是事后补救，事前的规则设计才是第一道闸（三层风控的总览见事中风控开头的体系图）。本篇三节：限额、止损、压力测试。

仓位限制：把价值观写成数字

限额体系的核心不是「数字多严」，而是完整 + 显式 + 自动：

1
2
3
4
5
6
7


单票限额：|wᵢ| ≤ 10%（多空绝对值）
行业限额：|Σ行业 w − 基准| ≤ 8%
风格限额：因子暴露 |z| ≤ 1.0（市值/动量/波动）
流动性限额：单票市值/ADV ≤ 20（保证 3 日内可清仓）
杠杆限额：名义敞口/净值 ≤ 1.5；保证金占用 ≤ 40%
集中度：N_eff ≥ 30；Top10 ≤ 40%
整体回撤线：净值从高点 -15% 预警 → -20% 强制减半 → -25% 清仓复盘

（三档规模的完整参数表见风控参数配置参考。）

三条设计原则：

每条限额都要能自动拒绝：下单前引擎做限额检查，违规订单直接拒绝并告警，而不是「记录待人工处理」——人工兜底的限额等于没有（工程接口见回测框架设计的约束层与事中风控）；
限额之间要一致：单票 10% × 30 只持仓与行业限额 8% 可能数学冲突——限额矩阵要联合验证，否则引擎在「合规但矛盾」的指令间随机失败；
回撤线是总额度的最后防线：分档响应（预警/减半/清仓）比单点强平更可执行——「-20% 减半」给了策略保留一半火种与修复机会的余地，避免了「一次性清在最低点」的经典悲剧。

止损与止盈：规则比点位重要

止损设计的三层决策：

依据层——止损挂在什么「真理」上：
- 资金曲线止损（组合级）：净值回撤 x% 减仓——最普适，不依赖任何市场假设；
- 波动止损（信号级）：2–3 × σ——把「正常噪声」与「信号失效」区分开（噪声幅度由波动率定义，见概率论基础）；
- 信号失效止损（逻辑级）：开仓理由消失即离场（价差协整破裂、基本面红旗触发）——最「聪明」也最依赖监控的及时性；
- 时间止损：k 个持有期未达预期即退出——专治「不亏不赚但占资金」的僵尸仓位（见统计套利）。
结构层——谁来执行：条件单交给交易所/券商（断网也有效）vs 引擎轮询监控（灵活但依赖系统可用性）。重要仓位应两者冗余（系统可靠性见灾备）；
测试层——止损与信号频率的匹配：止损太紧（< 1σ）会把正常波动全部止损掉，策略「死于千刀」；太松（> 4σ）等于没有。正确的校准方法：在回测里扫描止损宽度与策略绩效的关系曲线——曲线应存在平缓区，取平缓区中部，而不是取绩效峰值的尖点（尖点=过拟合，见Walk-Forward ）。与仓位联动的完整算例见风控参数参考的算例一。

止盈的对称提醒：固定止盈对右偏策略（趋势）是毒药（截断了让策略赚钱的大赢家）；对均值回复策略是必要品（回归完成即利润实现）。止盈规则必须与策略的收益分布形状匹配（分布形状见风险度量的偏度讨论）。

压力测试与情景分析：预演最坏的日子

压力测试回答 VaR 不回答的问题：「历史上没发生过的坏，会有多坏？」

三类情景：

历史情景重演：把特定危机日的全市场收益「播放」在当前持仓上（2015-06-26、2016-01-07、2020-02-03、2024-02-05……建一个危机日历库）。优点真实、缺点是只覆盖发生过的；
参数化冲击：人造情景——「股指 −20% + 波动 ×2.5 + 相关性 → 0.9 + 小盘流动性 −50%」「利率 +150bp + 信用利差 ×2」——组合在「所有分散化假设同时失效」下的损失（相关性崩溃的应对见组合风险）；
特异性冲击：针对自身持仓的定制坏消息——第一大重仓股财务造假停牌、重仓行业遭遇政策文件、对冲用的期货主力合约基差极端走扩。「我的持仓里有什么，世界就专门坏什么」——这类情景最费心设计也最有价值。

输出的正确用法：压力测试的损失数字与限额矩阵联动——「极端情景损失 ≤ 净值的 x%」成为限额设定的依据；更重要的是流动性维度：极端情景下「几天能清完仓」（按压力时的成交额打折计算）——2024 年 2 月的教训是：可以卖 ≠ 卖得掉，压力下的小微盘连跌停都是奢侈品（案例解剖见经典复盘）。

频率纪律：压力测试不是季度交差作业——持仓或市场结构显著变化时（新因子上线、风格暴露漂移、波动 regime 切换）即时重跑；自动化程度低也得保证「每月一次 + 触发式」。

关联阅读：限额的实时执行事中风控；情景的数学构造蒙特卡洛；杠杆场景的保证金逻辑杠杆与保证金管理。

事中风控：实时监控、熔断与 Kill Switch

Mon, 01 Jan 0001 00:00:00 +0000

事中风控是自动化程度最高、责任最重的一层：它要在无人值守的毫秒到分钟级时间里，做出「继续持有 / 降仓 / 全停」的决定。它的设计哲学与人工风控相反：宁可误杀（多余的降仓损失有限），绝不漏杀（失效的风控毁掉全部）。

实时监控：盘中的仪表盘

盘中监控的指标分两组：

收益与损失组（决策「策略今天怎么了」）：

实时 PnL：当日已实现 + 未实现损益，分策略/分因子/分行业切片；与日度波动率挂钩的动态阈值——「当日亏损 > 2 × 日波动」触发第一级响应；
实盘 vs 模拟偏离：影子模拟盘并行，偏离超阈值 = 执行或数据故障的即时信号（比绝对 PnL 更灵敏，见日志与监控）；
超额回撤的盘中逼近度：距组合回撤线（-15%/-20%）还剩多少——逼近预警线时自动收紧限额（减半单票上限、禁新开仓），让「熔断」成为一个渐进过程而非悬崖。

交易健康组（决策「系统今天怎么了」）：

订单成功率、废单类型分布、成交价 vs 决策价差额（执行滑点的实时版，见TCA ）；
行情心跳（各源最后时间戳）、信号生成耗时（超时 = 可能用了过期数据下单）；
账户保证金占用与追保距离（杠杆场景，见杠杆与保证金）。

熔断：分档响应的自动机制

熔断不是开关而是梯子——每档都有明确的触发条件、自动动作与解除条件：

级别	触发（示例）	自动动作	解除
L1 警戒	当日 PnL < −2σ；某暴露越限	禁新开仓；违规暴露自动对冲回限内	当日收盘自动重置
L2 降险	当日 PnL < −4σ；连续 3 日负超额且偏离模型预期	全组合降杠杆 50%；高波动持仓优先减	人工确认 + 次日评估
L3 停机	当日 PnL < −6σ；执行系统异常（废单潮、行情断流）；影子偏离 > 阈值	Kill Switch：撤销全部未成交委托、停止新订单，存量持仓按预案处理	仅限人工双人确认

设计要点：

阈值挂靠波动率：σ 随 regime 变，固定百分比阈值会在平静期过松、动荡期过紧——动态阈值（σ 的倍数）是标准做法；
触发后的动作要「预演过」：每档动作在上线前用历史数据模拟过（「如果 2024-02-05 触发 L2，会减掉哪些仓、成交假设是什么」）——没演练过的熔断在真触发时会暴露新的执行问题（流动性紧缩时「减仓」本身可能不可行，见事前风控的压力测试）；
熔断与策略的契约：熔断造成的被动交易要能从策略绩效中剥离（标记熔断时段），否则风控动作会污染策略评估（归因见绩效指标）。

Kill Switch：最后的保险丝

Kill Switch 的设计是纯粹的可靠性工程，原则与交易无关而与「失效安全（fail-safe）」有关：

独立于交易系统的通路：Kill 开关不能跑在交易引擎同一个进程里（引擎卡死 = 开关也死）——独立进程、独立网络通路、券商端的撤单+禁交易权限（API 级 + 柜台级双通道）；
一键且不可逆：触发后的状态是「完全停止交易」，恢复需要显式的人工步骤——「半开半关」的中间态是事故扩大的温床；
定时演练：每月在模拟环境触发一次，每季度在实盘低风险时段演练（撤当日全部委托的重放测试）——没演练过的 Kill Switch 在心理与工程上都大概率失效；
权限与审计：谁有权触发（值班员 + 主管双权限）、触发日志不可篡改（合规要求，见安全）。

异常检测：抓住「不对劲」

熔断线捕捉「已量化的大坏」，异常检测捕捉「未建模的怪」：

规则级：信号值突变的物理边界（因子值超出历史 [0.1%, 99.9%] 分位、某股票收益 > 涨跌停约束允许的范围 = 数据错误信号）；
统计级：PnL 流的 CUSUM 变点检测（均值漂移的快速发现）、实时残差（实盘收益 − 模型预测收益）的滚动 t 检验——比「事后发现月度超额没了」早几周报警；
行为级：成交回报的模式异常（同一标的反复撤单 = 可能是策略 bug 死循环；委托被拒理由分布突变 = 账户权限或资金问题）。

异常检测的输出接入熔断梯子的 L1/L2——它负责「发现」，熔断负责「动作」，两层阈值分离（可误报 vs 不可误触发，见日志与监控的发现/动作分离）。

关联阅读：熔断线的设定依据事前风控；触发之后的复盘流程事后风控；执行层的实时细节TCA 。

事后风控：回撤复盘与策略失效诊断

Mon, 01 Jan 0001 00:00:00 +0000

回撤不可避免，复盘质量决定回撤是学费还是纯粹亏损。事后风控的目标有两个：即时性的（这次回撤是「正常」还是「坏了」？该修复还是该忍耐？）与积累性的（把每次回撤变成体系升级的输入）。本篇给出一套可操作的诊断流程。

第一步：回撤的分层归因

诊断从「把损失拆开」开始（归因工具见绩效指标，按层递进）：

市场层：基准同期跌了多少？若组合回撤 ≈ β × 基准回撤，这是市场风险，不是策略问题——检查的是敞口是否符合预期（暴露没超限就是「正常」）；
风格层：剥离市场后，超额的回撤对应哪种风格逆转？（小市值崩、动量反转、低波失效……）对照因子归因的暴露表——「事前暴露 + 风格逆转」能解释的超额回撤属于风格风险兑现，仍在设计内的风险预算中；
因子/信号层：风格中性后仍亏 → 看因子层面：组合持仓因子的滚动 IC 是否异常衰减？多头组是否跑输自己的分组预期？——「因子暂时失灵」与「因子已死」的分水岭在此（判别标准下节）；
执行层：成交价 vs 决策价的差额（TCA 回看）、成本占比突增、熔断时段的被动交易——执行劣化可以把好信号变成坏净值（见TCA ）；
运营层：数据错误、系统故障、人为操作失误——每笔异常交易回查订单日志与信号日志（日志体系见日志与监控）。

输出是一张「损失瀑布」：总回撤 = 市场 −1.2% + 风格 −2.5% + 因子 −1.0% + 执行 −0.3% + 交互项——每一层都有名字，才知道该修哪里、该忍耐哪里。

第二步：策略失效 vs 正常回撤的判别

这是事后风控最关键的判断——把正常回撤当成失效会反复买高卖低，把失效当成正常会等来灭顶。判别矩阵：

维度	正常回撤的特征	失效的信号
幅度 vs 历史分布	在历史回撤的 1–2 倍 σ 内	超过历史 95 分位（回撤本身超模型）
归因可解释性	风格/市场因素可解释主体	中性化后仍显著为负（alpha 消失）
因子健康度	滚动 IC 在历史 25 分位以上	IC 连续跌破历史 1/4 分位（因子库的黄/红灯）
同类对照	同类策略普遍回撤（行业性）	同类正常而独损（策略特异性故障）
执行对照	实盘与影子模拟一致	影子正常而实盘亏（执行/数据故障）
持续性	持有期内修复	超过历史修复时间 ×2 仍无起色

决策规则建议（写成制度防止情绪化）：命中任意两条「失效信号」→ 触发减仓评审；三条以上 → 直接降半仓并启动深度诊断；归因完全无法解释的损失（瀑布对不上）→ 视为运营事故优先排查，排查清楚前不恢复加仓。

第三步：修复动作的分类学

诊断明确后，修复动作按「改什么」分四类，严禁跨类混用：

改暴露（风控动作）：降风格暴露、收紧限额——策略逻辑不变，风险预算收缩。适合「风格风险超预算」型回撤；
改参数（工程动作）：换手缓冲、止损宽度——只动执行层参数且须经实验设计的配对检验。适合「执行劣化」型；
改因子（研究动作）：因子下线/替换/降权——走因子库的下线协议。适合「因子失效」型；
改逻辑（战略动作）：收益来源的前提消失（制度变化、结构变化）→ 策略退役。适合「逻辑死亡」型——最需要勇气的动作，常见死法是不断地「改参数」试图复活一个逻辑已死的策略（参数修复的期望收益约等于零，认知成本极高）。

复盘文档：结构化地积累认知

每次 MDD > 预设阈值（如 5%）的回撤，一份标准复盘：

1
2
3
4
5
6
7
8


回撤档案 #编号
区间与幅度：起止日、MDD、同期基准与同类
损失瀑布：五层归因（数字）
判别结论：正常 / 部分失效 / 失效 / 运营事故（判别矩阵命中情况）
根因（一层为什么问到底）：[例] 风格层亏损 → 为何小市值暴露超限？
 → 某因子上线时市值中性化开关配置错误 → 为何评审未发现？→ 评审 checklist 缺该项
动作：四类修复动作的具体条目 + 责任人 + 完成时点
体系改进：本次暴露的流程缺口 → checklist/监控/评审规则的对应增补

「体系改进」是复盘的灵魂：单个回撤是事件，流程缺口是规律——每次复盘必须至少回答「下次如何在更早的环节拦截」。复盘文档按季度汇总回看（规律型问题的识别），并把新增检查项合并进研究 checklist ——体系由此迭代，而不是靠记忆与口号。

关联阅读：判别的统计基础假设检验；失效机制的理论解释因子失效与 Regime ；行业级失效案例因子失效案例。

杠杆与保证金管理

Mon, 01 Jan 0001 00:00:00 +0000

杠杆是量化里「改变生存概率」的最强工具：它同时放大期望收益、波动与回撤——前两者是参数问题，第三个是生存问题。本篇把杠杆的数学、保证金的机械细节与使用纪律讲透，结论先行：杠杆决策的本质不是「敢不敢」，而是「在最坏情景下你的保证金缓冲还剩几成」。

杠杆的数学：三倍的不对称

杠杆 L 对组合的作用：

期望收益：E[r_L] = L × E[r] − (L−1) × 融资成本
波动率：σ_L = L × σ
最大回撤：L × MDD（若回撤期间不调整）

关键的不对称在于融资成本是固定的而收益不确定。一笔账看清「杠杆消灭夏普」的机制：

1
2
3
4
5


原策略：年化 8%，波动 10%，夏普 0.8
2 倍杠杆（融资 5%）：收益 = 16% − 5% = 11%，波动 = 20% → 夏普 0.55
3 倍杠杆：收益 = 24% − 10% = 14%，波动 = 30% → 夏普 0.47
杠杆只在「超额收益 > 融资成本」时有净贡献，而它的代价（生存风险）是凸的：
回撤 50% 需要 +100% 才回本，回撤 90% 需要 +900%

杠杆把「暂时亏损」变成「永久出局」的风险（凯利公式的破产概率视角，见仓位 sizing ）。

保证金体系：机械细节决定生死

以国内期货/两融为例（数字随监管调整，用前核对，见合规）：

保证金占用：名义 × 保证金率（股指期货 12%–15%，商品 8%–15%）。杠杆 ≈ 1/保证金率——12% 保证金 = 约 8 倍名义杠杆（对保证金而言）；
维持保证金与追保线：净值/占用保证金跌破维持比例（如 120%）→ 券商通知追加；不追 → 强制平仓（强平价格你说了不算）；
风控的正确监控对象：不是保证金占用率，而是保证金缓冲垫 = 权益 − 维持保证金要求，以及最坏日的缓冲消耗：极端日亏损（压力测试口径）× 名义杠杆 / 权益——缓冲垫必须 > 连续极端日（3–5 个跌停日）的累计消耗（情景构造见压力测试）。

一个必算的例题：净值 1000 万、上 2 倍杠杆（名义 2000 万）买股指期货，保证金率 13%（占用 260 万）。组合日波动 1.5% → 杠杆后日波动 3%（30 万/日）。若遭遇 2020-02-03 式的单日 −8%（组合层面杠杆后 −16%，即 −160 万）：缓冲垫 740 万仍够，但连续 4 日 −3% 就接近心理与合约的双重极限。这道题在加杠杆前必须用自己持仓的真实 σ 算一遍，而不是拍一个「2 倍应该没事」。

爆仓的传导链：杠杆如何把回撤变成死亡

爆仓从来不是「一次大亏」，而是一条标准传导链（每一环都是历史案例的切片）：

1
2
3
4


杠杆持仓 → 市场急跌 → 净值逼近追保线
→ 被迫平仓（卖流动性最好的持仓）→ 冲击成本加速下跌（自己的单子砸自己）
→ 保证金进一步恶化 → 更大规模平仓（流动性螺旋）
→ 强平在最低点 → 永久性损失

链上每一环都可以截断：杠杆率预留缓冲（第一环）、限额与熔断早于券商强平（第二环，见事中风控）、压力测试预演「急跌日的可清仓性」（第三环，见流动性分析）、分档减仓代替一次性强平（第五环）。LTCM 的死因不是「看错」，而是传导链全程无人截断（案例见经典复盘）。

杠杆使用的纪律框架

目的匹配：杠杆用于「放大一个被验证的低波策略」（风险平价加杠杆、套利策略加杠杆），不用于「补救收益不足」——后者是所有杠杆悲剧的共同起点；
融资成本计入策略期望：贴水成本、融资利率、保证金机会成本全部进回测——「加杠杆后仍然正超额」才是准入线；
杠杆上限与回撤线联动：回撤加深 → 杠杆上限自动递减（-10% 时最多 1.5 倍、-15% 时最多 1 倍、-20% 时 0 杠杆）——把「越亏越加杠杆摊平」制度性堵死；
不同杠杆工具分开风控：场内杠杆（期货/期权）与融资融券的强平规则、期限结构完全不同，混用时的总杠杆要合并计算（名义敞口口径，见衍生品）；
默认答案是不加：杠杆的每一点期望收益改善都要与「生存概率下降」对价——对个人投资者，无杠杆下把策略夏普从 1.0 提到 1.2 的研究价值，远高于 1.5 倍杠杆把 1.0 变成 1.15 的账面价值。

关联阅读：仓位与杠杆的数学仓位 sizing 与 Kelly；保证金的实时监控事中风控；各品种的杠杆制度衍生品与A 股量化约束。

风险管理 on 云栖

风险度量：波动率、Beta、VaR 与尾部

波动率：三种估计与各自的偏差

Beta 与跟踪误差：组合在系统中的坐标

VaR 与 CVaR：尾部风险的通用语言

下行风险与尾部：分布形状的语言

组合风险：相关性崩溃、集中度与因子暴露监控

相关性崩溃：分散化的限时保险

集中度：三重度量的限额体系

因子暴露监控：组合的性格日报

监控体系的工程形态

事前风控：仓位限制、止损与压力测试

仓位限制：把价值观写成数字

止损与止盈：规则比点位重要

压力测试与情景分析：预演最坏的日子

事中风控：实时监控、熔断与 Kill Switch

实时监控：盘中的仪表盘

熔断：分档响应的自动机制

Kill Switch：最后的保险丝

异常检测：抓住「不对劲」

事后风控：回撤复盘与策略失效诊断

第一步：回撤的分层归因

第二步：策略失效 vs 正常回撤的判别

第三步：修复动作的分类学

复盘文档：结构化地积累认知

杠杆与保证金管理

杠杆的数学：三倍的不对称

保证金体系：机械细节决定生死

爆仓的传导链：杠杆如何把回撤变成死亡

杠杆使用的纪律框架