证券公司如何加强市场风险管理体系建设？

建议证券公司从以下几个方面加强市场风险管 理体系建设。

1.针对不同业务条线的风险特征实施差异化的市场风险管理组织架构

证券公司应重视集团层面的市场风险垂直管理，即 明确组织职责，增加专职管理人员，加强子公司市 场风险数据的收集和处理能力；加强资产负债口径 下外汇敞口和商品敞口的风险管控，避免因市场风 险的实时性较强，市场风险指标维度纷繁复杂等客 观原因导致市场风险管理及时性和有效性不佳。 根据不同业务条线的运营流程和风险特征，通过 风险团队派驻或业务团队自建的形式设置“1.5道 防线”，建设嵌入式的风险检核流程，更好地落实 事前风险控制、日间风险监测和控制职责，并且通 过投资策略管理、市场投研分析、限额管理体系、 损益和绩效管理等组织职责，加强与风险管理部二 道防线的联动。

2.完善风险限额指标体系，强化不同层级限额的勾稽关系，优化限额管理流程

证券公司除了建设自上而下的限额管理指标体系以 外，还应根据投资组合管理要求、交易策略的经济 逻辑，建立符合不同业务场景的精细化限额指标体 系，再利用限额指标的模型逻辑和对应的层级维度 建立不同层级限额指标之间的勾稽关系，使得限额 体系既满足自上而下的风险偏好传导，也符合实际 业务风险管理诉求，自下而上地落实管理目标。

除此之外，证券公司应基于限额指标体系设计完善的限额管理流程，包括日间限额突破预警管理流程、日 终限额突破预警管理流程、年度限额指标设定和反馈流程、年中限额应急调整流程等，确保限额指标紧跟 市场环境变化、业务管理架构变化、投资策略变化和计量模型变化，实现限额的动态管理。

3.融合投研分析与市场风险管理理念，完善业绩归因分析体系

将投研分析与市场风险管理理念相融合有两方面好 处：一是有利于从综合视角评估和管理投资组合风 险。投研分析提供了对宏观经济环境以及微观资产 价格波动的深入了解，市场风险管理提供了对整体 市场风险的监测和控制情况。二是有利于数据的 共享与整合。投研分析可以提供因子体系、风险因 子的相关性矩阵、宏观经济与微观资产价格的研判 等，市场风险管理部门需要对这些数据进行风险研 判、损益归因分析、压力情景校准等，并且为投研 分析模型反馈投资组合的风险计量和监控数据，使 投研分析更为准确，更好的服务于投资决策。 除此之外，德勤还建议证券公司在业绩考核时，充 分考虑业务所占用的经济资本或风险价值，可以更 好地衡量同一业务模式下不同投资组合的盈利能 力、策略有效性以及策略经营对市场风险的影响。

4.提升风险模型建设和生命周期管理水平

证券公司前台业务创新能力较强，对风险识别业务 流程、风险数据准备、风险模型开发时效性、模型 验证周期均有较大的压力。为了实现更稳健和高效 的市场风险管理，德勤建议证券公司： 1. 充分考虑到风险模型的复杂性，加大风险模 型建设的投入，加强专业量化开发（Quant Developer）团队建设，注重金融科技的复合型 人才培养。 2. 设计风险模型时，充分考虑到未来业务的可扩 展性，以更精细的模块化、组件化的设计实现 定价估值、VaR和ES计量以及压力测试等风险 模型的建设，避免基于产品维度的“一贯式” 开发。 33. 将DevOps管理流程融入模型生命周期管理流程 中，实现模型的敏捷迭代，提升对市场风险管理 业务场景的支持效率。

5.加强风险数据整合和分析能力建设

德勤建议证券公司加强前台、中台与后台的数据整 合能力，整合的内容既包括外部接入的市场数据、 交易数据和舆情信息等，还包括内部产生的财务数 据、客户数据等。 数据有效整合的前提是数据质量管理。与传统数据 质量管理方案不同，为了应对市场风险领域的时 效性、准确性要求，外部数据可采用交叉校验的 方式提升数据准确性，并且使用插值算法、时间序 列模型，特别是为了更好地面向实时（或准实时） 风控，推荐使用流式计算实现实时（或准实时） 数据质量提升，防止脏数据接入、脏数据输出 （garbage in, garbage out）。对内部数据来说， 基于“谁产生谁负责”的数据治理原则，加强源头 数据的质量管理。

在完成数据接入和数据质量提升之后，可构建满足 市场风险分析需求的应用。例如前台模型产生的敏 感性指标与风险模型的敏感性指标存在怎样的关联 关系；投资组合风险对冲时，考虑了哪些关键期限 点；计量方法是平移还是分段移动，是线性插值还 是单点的跳变，是双向还是单向移动等。 损益分析方面，建议采用损益归因分析方法：先 基于统计模型对损益序列进行KS测试和Spearman 测试，确保损益分布和中值差异可控；在差异较大 时，可基于风险敏感性指标进行归因分析，查找差 异原因。从市场风险管理的视角，加强风险敏感性 指标与损益的关联分析，一方面有利于市场风险管 理人员从前台数据中了解市场环境是否发生重大变 化，是否需要执行风险应急预案；另外一方面也可 对模型差异有更准确的把握，更有利于模型的优化 迭代，也可以更好地执行产品控制，加强对损益的 确认和管理。

6.自主研发新一代的市场风险管理平台

为了更好应对前述各项痛点，升级市场风险管理框 架，德勤建议证券公司建设新一代的市场风险管理 平台，平台应具备以下特点： 1. 重视交易前风险管控。通过开放式额度管控模 块，与量化交易系统、做市系统、PB系统等 前台业务系统深度集成，通过额度指标映射、 额度数据同步、额度超限预警等功能模块，实 现交易前风险检核与交易后额度监控功能的互 通、互动和互补。 2. 实时曲线和曲面构建。可以基于数据湖实现实 时或准实时风险数据获取、质量检查和提升、 风险因子有效性检查、曲线曲面插值和拟合、 零息曲线构建等功能，可服务于各风险管理试 算、日间限额检核、日间风险计量分析应用和 市场风险模型持续监测等多种场景。

3. 实现STP（Straight Through Process）交易准 实时接入，提升市场风险管理时效性。除了实 现异常价格分析、实时限额监控以外，还可以 支持日间批次的VaR计量、损益分析等各类风险 管理应用，未来还可实现前中台系统的一体化。 4. 实现风险计量模型的全面覆盖。除了支持VaR、 压力测试、返回检验、限额管理、投组风险分 析、损益分析等传统风险计量功能以外，还需 要支持损益归因分析、因子有效性测试、不可 建模风险因子SES等功能，以提升风险模型对 市场波动的敏感度。

5. 整合投资组合管理和风险管理的观点。将前台 交易策略级别的风险敏感性、限额指标与市场 风险管理指标建立关联关系，形成多层级风险 分析功能和限额监控功能。 6. 重视架构安全性和审计功能。随着系统架构复 杂度的提升，架构安全性尤为重要。多实例， 多节点，多租户的分布式计算架构尤其需要注 意数据和服务访问的安全性、服务内部数据的 一致性，以及模型生命周期管理的流程与环境 隔离。同时，需要有中央日志管理服务，确保 所有服务日志可以被完整保存，用于缺陷分析 和IT审计调阅。 7. 随着Python生态的日渐成熟，越来越多领先的 市场风险管理系统与Python环境深度集成，将 接口开发、数据处理、数据分析与可视化展现 功能开放给用户，提升数据处理能力和灵活性。

8. 相比传统应用，更关注用户体验。增强数据可 视化分析能力，将多维分析图表通过维度指标 建立多维数据立方体，再通过数据可视化技术 提升数据洞察能力，常见的视图包括通过归一 化折线图分析多投资组合基准绩效比较，通过 区间曲线面积图分析多个损益序列概率密度分 布的KS值，通过矩阵树图分析多投资组合在风 险类别、风险因子的敏感性贡献度等。 9. 使用云原生架构，支持弹性扩容和服务自治。 既可以快速应对批量风险计量时对系统性能的 时效性要求，又可以在日常管理时，通过释放 计算资源，节约资源，降低系统损耗；同时服 务自治可以降低系统运维人员的压力，降低IT 运营成本，提升系统运行效率。 10. 鼓励开放性和发展广泛的生态系统。配置统一 的数据接口和协议，可以使得各应用系统能够 快速与平台交互和集成，另外平台内部采用模 块化设计，便于模块的独立开发、测试和部署， 以及各模块的即插即用，并且平台底层需要具 备共享的基础设施和服务，例如数据存储、身 份验证、安全组件、日志记录、消息中心等， 有利于减少重复开发工作，提高系统整体性能。

自研市场风险管理平台不但有利于精细化市场风险 管理功能的落地，数据的高效整合和分析，还有利 于未来实现市场风险管理能力的对外输出：对客户 可提供市场风险增值服务，提升客户风险管理能 力；对同业机构可提供市场风险研究成果分享，提 升同业影响力和公司品牌力。此外，还可通过销售 市场风险管理平台，实现数据化解决方案创收和业 务引流，使风险管理从幕后走向台前，为证券公司 创造额外收益。