跳到正文
Financial Context Wiki

選擇權風險值（VaR）：完整重評價指南

運用聯合情境、完整重評價、明確的分位數規則、回溯測試與壓力控制，建立、解讀並驗證選擇權投資組合 VaR。

更新於

僅供教育參考，不構成投資建議；投資可能產生損失。

直接答案

選擇權風險值（VaR）是在投資組合、期間、信心水準、資料集、情境程序與評價慣例均已明確時，由模型估計的損失分位數。以正數 L 代表損失，並令 L = -P&L，則：

VaR_alpha = inf { l : P(L <= l) >= alpha }

一日 99% VaR 為 $20,000，表示依該模型及其輸入，損失不超過 $20,000 的一日結果占 99%。這不表示門檻以外不可能發生損失，也不表示最差損失是 $20,000，更不表示超限必定會按恰好 1 次對應每 100 個交易日的頻率發生。

選擇權需要格外審慎，因為其價值具有非線性，並隨時間、波動率、現貨或遠期價格、利率、股利、借券成本與履約特性變動。當選擇權曝險重大時，聯合情境加完整重評價通常比 Delta-normal 捷徑更可靠。不過，VaR 仍只是一項模型輸出；要說明尾端損失的嚴重程度及模型未涵蓋的狀態，還需要預期損失與獨立壓力測試。

計算前先明確界定度量

每項報告的 VaR 都應說明下列選擇：

輸入 必須固定的內容
投資組合 確切部位、數量、乘數、現金、股票、避險及評價時點
損失 正負號慣例、基準貨幣、模型損益或可執行損益，以及納入的成本
期間 日曆時間或交易時間、選擇權評價中推進的時間，以及持有或清算假設
信心水準 alpha 及經驗分位數或插值慣例
資料 回看期間、取樣頻率、清理方式、權重，以及缺漏或過時觀測值的處理
模型 風險因子、聯合情境動態、評價模型、波動率曲面規則及履約處理

兩個 VaR 即使都標示為 99%，也不代表可以直接比較。投資組合範圍、期間、資料、權重、情境建構、評價、貨幣與流動性慣例都必須一致。監管 VaR 參數僅適用於相關規則指定的主體和用途，並非所有投資人或風險決策的通用設定。

分兩層建立選擇權 VaR

第一層為所有重大風險因子產生一致的聯合變動；第二層將時間推進至指定期間，並在每個狀態下重新評價未變動的部位快照。如果風險問題假設動態避險或清算，應明確編入規則、時點與成本，而不是混入靜態 VaR。

方法 情境層 主要的選擇權特有弱點
Delta-normal 假設參數化分配，並透過局部 Delta 映射風險因子變動 會遺漏重大的 Gamma、Vega、偏斜、跳躍、障礙及敏感度變化
歷史模擬 將觀察到的聯合風險因子變動套用至目前部位 無法納入所選期間未曾出現的事件，且可能過度偏重單一市場狀態
蒙地卡羅 依選定動態模擬聯合風險因子狀態或路徑 依賴分配、相關性、波動率曲面、跳躍及校準假設

穩健的完整重評價流程如下：

  1. 固定部位快照、市場資料時點、基準貨幣與盯市慣例。
  2. 映射現貨或遠期、各履約價及到期日的波動率、利率、股利、借券、外匯、相關性與基差風險。
  3. 依有紀錄的期間、權重及動態產生聯合情境，並在相關時記錄隨機種子。
  4. 按規定期間推進時間並完整重評每份選擇權，在重大時納入履約及路徑規則。
  5. 加入股票、現金、避險、融資、費用、價差及模型化的清算損益，且不得重複計算。
  6. 將投資組合總損益轉換為損失，對損失排序或加權，並套用規定的分位數慣例。
  7. 保存情境歸因、資料快照、模型版本與控制紀錄，使結果能夠重現。

不要機械地以時間平方根放大短期 VaR。這種縮放需要獨立同分配變動和穩定線性曝險等強假設；選擇權曲率、時間耗損、路徑相依、跳躍、避險變動與流動性不足都可能使其失效。

完整重評價範例

假設凍結一個 $2,000,000 的選擇權投資組合，並在 10,000 個等權重一日情境下進行完整重評價。將損失由小至大排序。採用「累積機率達到 99% 時的最小損失」慣例，排名 9,900 的觀測值為 $20,000。在這個沒有相同值的例子中，恰有 100 個模型損失更大。

這 100 個更嚴重損失的平均值為 $46,000，模型中的最大損失為 $75,000。因此，報告應區分：

  • VaR_99% = $20,000：模型估計的分位數門檻。
  • ES_99% = $46,000：依規定尾端慣例計算的模型最差 1% 平均損失。
  • Worst scenario loss = $75,000：這組情境中的最大損失，並非可能發生的最大損失。

如果下一日的可比損益為 -$31,000，實際損失 $31,000 超過先前的 $20,000 VaR，構成一次超限。一次超限本身既不能證明模型正確，也不能證明模型錯誤；還要分析其原因、規模、聚集性、部位變動、價格來源，以及預測與損益定義是否一致。

使用數值前先驗證

  • 回溯覆蓋率：將每個歷史 VaR 與相應的後續損益比較，並按一致定義統計超限次數。
  • 檢查相依性：即使超限總數看似合理，超限聚集仍可能揭示市場狀態改變或遺漏的動態。
  • 核對損益：分離市場變動、時間耗損、波動率曲面變動、新交易、費用及無法解釋的殘差。
  • 比較基準方法：將完整重評價與 Delta-normal 或 Delta-Gamma 近似比較，並解釋重大差異。
  • 檢驗穩定性：改變回看期間、權重、情境數、隨機種子、分位數慣例及波動率曲面映射。
  • 獨立壓力測試：納入歷史危機、假設跳空、波動率衝擊、相關性破裂及流動性撤離。
  • 檢視尾端嚴重度：報告預期損失與最差情境，而不只報告 VaR 門檻。
  • 升級變更：當部位、模型、市場、流動性或資料品質發生重大變化時，重新執行並複核。

回溯測試是診斷工具，不是對未來有效性的保證。巴塞爾市場風險架構以預期損失計算內部模型資本，同時保留以 VaR 為基礎的回溯測試；美國基金規則 18f-4 則訂有其自身的 VaR 與回溯測試要求。這些例子說明必須寫明用途與適用規則，而不是說明一套參數適合所有投資組合。

風險與限制

  • VaR 不衡量超過所選分位數後的損失嚴重程度。
  • 空頭選擇權、障礙選擇權、Gamma 集中的部位或接近到期的選擇權，可能在取樣狀態之間急劇變化。
  • 歷史資料可能遺漏崩盤；模擬資料可能套用錯誤的尾端、相關性或波動率動態。
  • 當價差擴大、市場深度消失或交易暫停時，以收盤價為基礎的模型評價可能低估可執行損失。
  • 履約、指派、結算、保證金、融資與清算現金需求只有在明確建模後才會納入。
  • 淨額計算可能掩蓋集中於單一發行人、到期日、履約價、波動率點或共同情境驅動因子的風險。
  • 增加情境只能降低所選模型內的取樣雜訊，無法修復缺漏的風險因子或錯誤假設。

常見誤解

「99% VaR 就是最大損失。」 它只是一個分位數。門檻以外的損失可能大得多，模型支援範圍以外的損失也可能超過所有模擬結果。

「99% VaR 表示虧損機率為 1%。」 它指的是超過 VaR 損失門檻的機率，而不是發生任何虧損的機率。

「完整重評價消除了模型風險。」 它能在每個給定狀態下捕捉非線性評價，但狀態、定價模型、資料與執行假設仍可能有誤。

「回溯測試成功就證明模型正確。」 它只檢驗特定損益與超限定義下的歷史覆蓋率，無法認證未來市場狀態。

「VaR 越低，交易越好。」 VaR 只衡量模型化損失的一個面向，無法單獨證明預期報酬、適合度、流動性或整體風險承受能力。

相關主題

權威來源

導覽

搜尋知識庫...