前言

近年来，场外（OTC）衍生品市场的快速发展为交易商的风险管理带来了新的挑战。估值模型的管理不仅是场外衍生品业务风险管理的核心环节之一，更是交易商核心竞争力的关键体现。估值模型的影响贯穿于多个维度：对内的估值结果直接决定了头寸的市场风险敞口，对交易台的风险计量、对冲操作乃至整体业务的损益产生根本性影响；面向交易对手方的估值结果，则关系到履约保障比例的确定与信用风险敞口的计量，直接影响追保与平仓操作的公允性；模型的复杂度制约着实时计算的效率与精度，与系统风险密切相关；模型在压力情境下所揭示的头寸尾部风险特征，是影响交易商在险价值（VaR）计量与资本预算的重要依据。本文聚焦于对内估值模型所引发的模型风险，具体而言，将探讨在柜台交易与对冲场外期权头寸时，因使用设定不当的估值（和对冲）模型而产生的模型风险。

　　场外期权的估值模型：分类与关联

在场外衍生品业务中，估值模型、对冲策略与风险管理三者紧密耦合，不可分割。衍生品估值在理论上可视为未来各种可能损益的加权平均折现值，但交易台的实务操作远不止于此。为尽可能规避方向性风险、赚取相对稳定的收益，交易台通常将预设的对冲策略纳入估值框架，使估值与预期的对冲成本挂钩，并对剩余的风险敞口进行定价。从理论上看，这一方法能极大降低整个投资组合损益的不确定性。相应地，对冲策略的设计目标，正是通过构建对冲头寸，使得特定风险因子的波动对组合市值的影响最小化。对于流动性好、结构简单的场内期权，模型风险通常不会过度暴露。交易台可通过调整模型参数，使其精确匹配相关交易所交易期权的市场价格，有时甚至无需复杂模型，任何从参数映射到价格的合理“公式”都可以满足估值需求。然而，场外期权通常涉及非标准，甚至路径依赖的兑付结构，其估值必须依赖于对标的资产直至到期日的完整价格路径分布的假设，因而模型变得不可或缺，模型风险也随之成为一个至关重要的问题。我们可以将场外期权的估值与对冲模型大致分为三类：1.参数化模型：此类模型明确假设了风险因子（如标的资产价格、波动率）的动态数据生成过程，并包含待估参数。业界广泛应用的模型包括Black-Scholes 模型、局部波动率（Local Volatility）模型、Heston 模型、SABR 模型等。在这些模型框架下，通过构建对冲组合消除随机项，可推导出期权价值的偏微分方程（PDE），进而采用解析解、有限差分法或蒙特卡洛模拟等方法求解，得到期权在任何状态下的理论价值。2.半参数化模型：此类模型在参数化模型的基础上，直接利用可交易工具（如场内香草期权）的市场价格偏差，对理论估值进行修正。其核心理念是用一篮子流动性工具的组合来近似复制目标期权的风险敞口。典型代表是Vanna-Volga 方法，它在 Black-Scholes 框架下计算Vega、Vanna、Volga 等希腊字母敞口，并用特定的场内期权组合对其进行对冲，从而调整估值。Peter Carr 在《Breaking Barriers》中提出了一种对具有解析解的奇异期权进行估值修正的类似思路：利用参数化模型下的解析表达式，用场内期权复制该表达式在最后到期日的兑付结构，从而反推出在期初的估值。3.非参数化模型：此类模型不预设明确的风险因子动态过程。其极端形式是完全的静态复制，要求复制组合在所有可能情境下的现金流均与目标期权相等，其构建成本即为期权的合理价值。此外，近年来，利用机器学习、深度学习及强化学习等方法，直接基于历史数据优化对冲策略以最小化任意形式的损失函数，从而反推期权价值的非参数方法也正在兴起，对传统模型范式构成了新的挑战。在这三类模型中，非参数化的静态复制模型风险最低，因其几乎不依赖对未来的动态假设。而参数化模型涉及动态对冲，其模型假设与市场现实的任何偏离都会在持续的对冲操作中被不断暴露和放大，因此模型风险的影响最为显著。下文将主要围绕参数化模型展开讨论。

　　参数化模型的实务流程、局限与风险根源

尽管学术界在开发更贴近市场复杂性的模型方面取得了长足进展，但实务中最主流的估值方法，仍然是对Black-Scholes、局部波动率、Heston等基础模型进行反复调整与校准。其标准操作流程可概括如下：1.模型设定与对冲：首先设定一个包含标的资产价格、波动率等风险因子的随机过程。通过设计对冲策略（如Delta 对冲），在理论上消除随机项，推导出决定期权价值的偏微分方程。该方程将期权的理论价值与一些核心参数（如波动率、波动率的波动率等）联系起来。2.模型校准与估值：在每一个估值时点t，使用流动性好的场内对冲工具（如不同行权价和期限的期权）的市场价格来校准这些核心参数。校准通常通过最小化自定义损失函数来完成，并需进行平滑处理以确保参数曲线满足无套利条件。3.模型估值与对冲：将校准后的参数代入偏微分方程，计算目标场外期权的理论价值，并遵循步骤1中的对冲策略，搭建对冲头寸。每当需要进行估值、计量风险敞口和调整对冲头寸时，上述流程便会重复执行。该流程的核心在于，通过持续的横截面校准，确保模型在任何时刻都能精确匹配所有可观测的场内工具价格。这意味着，模型所隐含的标的资产在未来任一单一时点的无条件概率分布是与市场一致的。然而，这并不能保证模型所隐含的资产价格在不同时点间的联合分布（即路径的动态演化）也是正确的。因此，对于收益仅取决于到期日单一价格点的普通期权，此类模型能准确定价；但对于收益取决于整个路径上多个时点资产价格的路径依赖型奇异期权（如障碍期权、亚式期权、回望期权等），其定价准确性则无法得到保证。模型可能严重误判这些期权的价值与风险特征。这正是模型风险的主要来源，也解释了为何在模型验证中，应重点关注奇异期权，并以符合其实际使用场景的方式进行动态压力测试。

　　模型风险的常见影响与实务应对

针对上述模型风险，交易台在实践中发展出多种应对方法：1.预留安全边际：交易台会根据自身对模型局限性的理解和对冲能力，在报价中预留一定的价差作为安全垫。例如，理论证明，对于具有严格凸性支付函数的衍生品，若估值所使用的波动率高于未来实现的波动率，则在该波动率假设下计算出的动态对冲策略，能在真实世界中提供几乎确定的单边保护。然而，绝大多数场外期权并不具备如此理想的性质，因此这种方法的作用有限。2.实施“模型外”对冲：在反复校准的实务操作下，模型参数本身成为时变量。这意味着，驱动这些参数变动的风险因子（如波动率曲面形态的变化）成为了新的、未被原模型涵盖的风险来源。对于路径依赖期权，其敞口对参数变化异常敏感，且关系复杂。为管理这部分风险，交易台常在模型理论要求的Delta等模型内对冲之外，额外针对参数风险（如针对波动率曲面的希腊字母）进行对冲。这被称为“模型外”对冲。前文所述的半参数化模型，本质上是这种理念的一种系统性实践。3.分析与监控对冲误差分布：由于模型假设必然与市场现实存在偏差，对冲操作的实际损益会围绕理论估值波动。关键在于，模型参数的估计误差，通过与特定产品路径依赖特征的耦合，会被转化为对冲损益的误差。这种转化往往是非线性的，导致即使模型参数是无偏估计，最终的对冲损益分布也可能呈现出有偏和厚尾的特征。因此，在实务中必须密切监控并分析对冲误差，评估当前的产品结构和市场敞口是否会放大模型缺陷，导致意外的尾部损失。

　　模型应用中需关注的其他实务问题

除核心模型风险外，估值与对冲模型在实际应用中还需考虑以下细节：1.对冲工具流动性：当需要对冲的头寸规模较大时（例如在负Gamma头寸下需要动态调整），建仓或平仓行为本身可能冲击市场，产生额外的交易成本甚至引发正反馈循环（如“追涨杀跌”），模型需考虑库存与集中度管理。2.交易成本与离散对冲：经典模型通常基于连续、无摩擦市场的理想假设。现实中，对冲是离散进行的且存在成本。如何在期初估值中纳入预期对冲成本，并在持续管理中优化对冲频率，是模型之外的重大挑战。3.相关性对冲的失效：当使用高相关性但非完全相同的工具进行对冲时（如用指数期权对冲成分股期权的波动率风险、股指期货对冲指数期权的标的变动风险），在市场极端波动时期，相关性可能发生剧烈变化，导致对冲失效。4.超越模型的风险：估值还需考虑交易对手信用风险（通过CVA/DVA等调整）、融资成本（FVA）以及自身的流动性风险（LVA）。在对冲决策中，也需要评估对冲的性价比，理性区分哪些风险必须缓释，哪些风险可以保留以赚取可控的风险溢价。

　　构建健全的模型风险管理框架

综上所述，在复杂、多变且充满主观判断的真实交易世界中，并不存在一个绝对“正确”或“最优”的估值模型。甚至对于不同的产品结构，由于其风险特征不同，适用的模型也可能不同。因此，风险管理的目标不应是追求一个虚幻的“完美模型”，而应是建立一个健全的模型风险管理框架。该框架应确保：1.明确目的，区分场景：区分用于财务报告和履约保障的市场一致性估值、用于内部风险计量与资本计提的审慎估值，以及用于交易决策的估值和对冲策略模型。不同场景允许并需要不同的模型与参数选择。2.崇尚简洁，追求可验证性：在满足业务需求的前提下，优先选择假设更少、参数更易从活跃市场观测并验证的模型。模型的复杂程度须与产品的复杂程度、业务规模及风险实质相匹配。3.实施全生命周期治理：建立覆盖模型开发、独立验证、审批上线、持续监控、绩效评估与退出的完整管理流程。确保模型的使用者（前台交易部门）与模型的验证者/审计者（风险、财务等中后台部门）职责严格分离。4.确保透明度与可归因性：建立完善的损益分析（P&L Explain）与模型误差归因机制。清晰记录不同模型选择、不同参数假设下的对冲后盈亏拆解，对无法解释的残差进行归因和分析。5.强化压力测试与情景分析：承认所有模型均有其边界，定期对估值与对冲模型进行极端但可能的情景测试，积极探索动态压力测试，评估模型失效或市场极端变化对估值、损益及风险敞口的潜在冲击。6.倡导模型多样性：鼓励使用多个在理论基础或假设上具有差异性的模型对同一头寸或组合进行分析。当管理庞大而复杂的交易簿时，单一模型的风险视角可能存在盲区。不同的模型能通过其特有的希腊字母体系和压力情景，从不同维度揭示组合的风险特质，帮助交易和风控人员识别潜在异常与风险集中领域。最终，现实市场远非模型所假设的那样井然有序，其充满了趋势、震荡、结构性断裂与极端事件。即便在最理想的条件下，模型参数是真实参数的无偏估计，对冲组合的实际损益分布也可能因路径依赖、离散操作、流动性等因素而发生扭曲。因此，一个严谨、透明且具有韧性的模型风险管理框架，而非某个单一的“圣杯”模型，才是场外衍生品业务稳健发展的基石。

【免责声明】本文信息仅用于投资者教育之目的，不构成对投资者的任何投资建议，投资者不应当以该等信息取代其独立判断或仅根据该等信息作出决策。本文信息力求准确可靠，但对这些信息的准确性或完整性不作保证，亦不对因使用该等信息而引发或可能引发的损失承担任何责任。