行业洞察｜2023年上半年上市证券公司观察系列七：证券公司市场风险管理重塑及系统一体化落地思考

2023-11-21 18:54:24 - 德勤Deloitte

近期，德勤中国金融服务业研究中心于北京、上海、广州三地联合发布首份国内证券行业分析报告《势起风劲奋楫争先：中国证券业2023年上半年发展回顾与展望》，内容涵盖2023年上半年的宏观经济和证券业发展回顾、上市证券公司业绩分析、上市证券公司业务观察和行业热点话题探讨等四个章节。

报告主要以国内具有代表性的14家A+H股上市证券公司为样本，通过系统分析中国上市证券公司的盈利能力及业务收入、资产情况、负债情况、母公司资本情况及风险控制指标，梳理并观察其业务发展情况、经营模式创新、经营战略变化及科技赋能，进而展现中国证券业在2023年上半年取得的成就，并展望未来发展的方向。

报告目录

行业洞察｜2023年上半年上市证券公司观察系列七：证券公司市场风险管理重塑及系统一体化落地思考

证券公司市场风险管理重塑

及系统一体化落地思考

随着资本市场的高速发展，国内的持牌非银行金融机构，例如证券公司，越来越倾向于投融结合，中收连带的发展模式。证券公司已经从过去传统的经纪业务中收模式，转变为投资+融资，特别是随着近几年场外衍生业务的蓬勃发展，越来越多的券商以强化“主经纪商业务+场外衍生业务”模式带动公司投融资及中收业务全面发展。

随着业务模式的转变和壮大，证券公司所面临的监管要求也越来越高。监管机构自2014年出台针对证券公司的全面风险管理规范后，陆续出台了流动性风险管理指引、信用风险管理指引、声誉风险管理指引、证券公司压力测试指引等，并对证券公司开展的创新业务从风险管理层面进行规范。未来，随着证券公司打通场内、场外业务，向专业机构投资者和高净值客户等提供T+0、跨境、市场中性、多空、套利、打新等全方位服务一站式综合金融服务，监管机构可能会进一步出台针对市场风险的监管要求，强化证券公司的市场风险管控能力。

证券公司市场风险管理痛点

随着我国资本市场的不断开放，国际国内市场的互联互通，我国证券行业构建一站式综合金融服务平台的趋势凸显，财富管理、资产管理和自营投资业务均迎来了重大市场机遇。但自2020年以来，受新冠疫情、俄乌战争、全球产业链变化以及各国通胀情况和货币政策调整影响，资产价格波动率持续处于历史高位，证券公司的市场风险管理能力正在遭受挑战：

市场风险管控精细化程度不足

我国证券公司业务模式多元，投资交易的产品类别丰富。证券公司通常基于自身风险偏好和市场风险容忍度，结合各业务条线的实际情况，设定多层级风险限额，通过日间和日终监测，确保市场风险水平在预设风险容忍度范围内，同时通过VaR限额和压力测试限额对正常情况以及极端情况下的可能损失进行监控和评估。

但整体来看，现行的市场风险管控方式不够精细。一是管控方案偏事后计量和监控，实时性较强业务的事前风控规则落地在前台交易业务流程中；前台、中台限额指标的模型算法和计算口径可能存在较大差异，并且前台日间限额与中台日终限额的函数关系也易被忽略。二是在业务条线内部，前台投资交易策略也较为复杂，可能基于不同的市场环境和假设制定了对应的交易逻辑，而风险管理人员对前台投资交易策略的认知不足，也会导致难以制定完善的市场风险管理监测控制手段，从而使得市场风险监控难以细化到投资组合层级。

风险模型开发管理难度大

证券公司业务创新较快，产品结构灵活，对中后台部门的支持能力要求极高，其中市场风险管理对模型的依赖性较强。前台业务基于自身管理需求，会采用自建或外购的模型支持定价试算、投资组合分析、敞口和风险指标管理的需求。中台市场风险管理人员为了支持VaR（在险价值）、ES（预期损失）计量和压力测试，需要开发和管理包含新产品风险计量模型、压力测试模型、损益归因分析模型等支持各类风险管理工具的底层模型。

其中风险模型的开发管理存在以下几个难点：

前台估值模型可能难以满足中台VaR和ES计量对于性能的要求，风险模型需要考虑在不丧失模型准确性的前提下如何提高运行效率。例如蒙特卡洛模拟对计算性能要求较高，较多复杂结构的衍生品头寸在计量VaR时，模型运算的时间会呈现指数级的上升趋势。

风险模型对历史数据要求较高，不仅会导致风险数据管理难度增加，更会增加数据采购成本与数据管理成本。例如，使用历史模拟法计量VaR值需要使用过去一年的市场数据，而前台和后台在定价试算、资产估值入账时均无同质化需求。

模型生命周期通常包括模型设计、开发、投产前验证、评估和审批、投产、投产后验证和监控、下线等多个环节，各模型功能不同，在各环节中考虑的内容也存在差异。市场风险模型由于返回检验、限额管理等风险管理应用对于指标的延续性要求较高，在模型投产、优化和下线等各个管理环节需要考虑业务影响范围并制定相应的补救措施，其复杂度远高于前台定价模型。

平台架构老化，与内部系统集成度不足

我国证券公司的市场风险管理平台大多基于传统风险计量引擎加风险管理平台的架构，其中头寸数据、市场数据归集和质量管理均依赖数据集市跑批作业，可以满足T+1日风险计量的时效性需求。而风险计量引擎通常独立部署，负责逐笔业务估值、风险敏感性计量、VaR计量和压力测试等计量功能。其他风险管理分析和限额管理功能，均基于实体、业务部门、品种、头寸等业务层级要求在数据集市中对前述计量指标进行汇总统计，生成满足各业务场景要求的管理报告和报表。

传统市场风险管理平台的架构存在以下问题：

头寸数据归集仅满足T+1日计量需求，进一步提升时效性较难实现；

数据质量检查和提升大多依赖数据集市和数据仓库的跑批校验规则，日间难以追加批次作业，或增加临时批次；

风险计量引擎（或定价引擎）通常使用外购系统或模块，运行效率与计量准确性难以自行优化；

各类风险指标的加工和聚合计算，依赖于引擎计算结果的维度是否足够，是否包含了足够的中间结果；

某些外购系统平台与内部系统的集成能力较差，存在数据孤岛，缺乏有效的数据整合和交流机制。这将导致部门间难以实现数据共享，影响证券公司快速识别风险和应对的能力，降低了风险管理的灵活性和效率。

德勤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

以治理架构为基石、计量模型为路径、风险控制为保障、数据与信息系统为支撑，德勤制定了一套完善的市场风险管理体系建设方案，并针对证券业的管理痛点提出几项解决方案。

图1：德勤市场风险管理体系建设框架

行业洞察｜2023年上半年上市证券公司观察系列七：证券公司市场风险管理重塑及系统一体化落地思考

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。

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。

图2：德勤建议的多层级市场风险限额体系

行业洞察｜2023年上半年上市证券公司观察系列七：证券公司市场风险管理重塑及系统一体化落地思考

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。

图3：德勤建议的市场风险限额管理框架

行业洞察｜2023年上半年上市证券公司观察系列七：证券公司市场风险管理重塑及系统一体化落地思考

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。

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：

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（QuantDeveloper）团队建设，注重金融科技的复合型人才培养。

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。

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。

图4：基于DevOps的模型开发管理流程

行业洞察｜2023年上半年上市证券公司观察系列七：证券公司市场风险管理重塑及系统一体化落地思考

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（garbagein,garbageout）。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。

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（StraightThroughProcess）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。

图5：新一代市场风险管理平台能力图谱

行业洞察｜2023年上半年上市证券公司观察系列七：证券公司市场风险管理重塑及系统一体化落地思考

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。

完善的风险治理架构、清晰的政策制度和管理流程、精细化的风险分析能力、准确的定价和风险分析模型、强大的数据处理和分析能力、自主可控的市场风险管理平台可以有效保障证券公司市场风险管理的有效性和合规性，对于证券公司保持稳健经营具有重要意义。

市场环境复杂多变，金融科技迭代快速，市场风险管理要求越来越高。德勤将基于“文化先行、部门协同、模型精确、前瞻预警、系统智能”等核心原则，为证券公司提供持续创新的市场风险管理综合解决方案，为公司的稳健运营和可持续发展提供有力支撑。

行业洞察｜2023年上半年上市证券公司观察系列七：证券公司市场风险管理重塑及系统一体化落地思考