3、风险指标详解：波动率、最大回撤、下行风险、VaR与CVaR
各位同学，咱们今天聊点实在的——风险指标。
做量化策略，光看收益率那是耍流氓。你赚了50%，但回撤了40%，这策略你敢实盘吗？反正我是不敢。我个人习惯，拿到一个策略报告，第一眼看的不是年化收益，而是最大回撤和波动率。为什么？因为这两个指标直接告诉你：这策略会不会让你晚上睡不着觉。
好，咱们一个一个来拆解。
3.1 波动率：风险的“标准差”视角
波动率，说白了就是收益率的波动程度。数学上就是收益率序列的标准差。你想想看，一个策略每天赚0.1%，另一个策略今天赚5%、明天亏4%，虽然平均收益差不多，但后者让你心脏受不了。
公式很简单：
σ = sqrt( (1/(n-1)) * Σ(R_i - R̄)² )其中 R_i 是每日收益率，R̄ 是平均收益率，n 是样本数。
年化波动率 = 日波动率 × sqrt(252)。252是A股一年大概的交易天数。
重要提醒：波动率衡量的是“上下波动”，不是“下跌”。它把上涨和下跌都视为风险。这其实不太合理——上涨有什么好怕的？所以后面我们会聊下行风险。
我在项目中遇到过一件事：有个策略夏普比率高达3.0，但波动率只有5%。我当时觉得太完美了，结果实盘后发现，它根本捕捉不到大的趋势行情。波动率太低，有时候意味着策略太保守，赚不到大钱。嗯，这里要注意，波动率不是越低越好，要看你的风险偏好。
3.2 最大回撤：你最惨的时候有多惨
最大回撤（Max Drawdown, MDD），是衡量策略从峰值跌到谷底的最大幅度。公式：
MDD = max( (Peak - Trough) / Peak )举个例子：你的账户净值从100万涨到200万，然后跌到120万，再涨到300万。那么最大回撤就是 (200-120)/200 = 40%。
这个指标为什么重要？因为它直接关系到你的心理承受能力和资金管理。我曾经见过一个策略，年化收益80%，但最大回撤60%。你想想看，100万亏到40万，你还能坚持吗？大部分人在回撤30%的时候就割肉了。
我的经验：对于CTA策略，我一般要求最大回撤不超过20%。对于股票多头策略，可以放宽到30%。但超过40%的策略，除非你有钢铁般的意志，否则别碰。
还有一个概念叫“回撤修复期”——从回撤低点回到前高需要多少天。这个指标也很实用。如果一个策略回撤20%后需要两年才能修复，那它的实际价值就要打折扣。
3.3 下行风险：只关心下跌的波动
刚才说了，波动率把上涨和下跌都算作风险。但咱们做投资的，上涨是好事啊。所以就有了下行风险（Downside Risk）。
它只计算收益率低于某个目标值（通常是0，或者无风险利率）的部分：
Downside Risk = sqrt( (1/n) * Σ min(R_i - R_target, 0)² )说白了，就是只算亏钱时候的波动。这个指标更符合咱们的直觉——我只在乎亏了多少，不在乎赚了多少。
基于下行风险，还有一个更常用的指标叫索提诺比率（Sortino Ratio），它和夏普比率的区别就在于分母用的是下行风险而不是波动率。我个人更偏好索提诺比率，因为它更真实地反映了策略的“坏风险”。
注意：下行风险的计算需要设定一个目标收益率。如果你设成0，那它只考虑亏损的波动。如果你设成无风险利率，那它考虑的是跑输无风险收益的波动。不同设定会导致结果差异很大，使用时一定要明确说明。
3.4 VaR：在险价值
VaR（Value at Risk）翻译过来叫“在险价值”。它回答的问题是：在给定的置信水平下，未来一段时间内，最大可能亏损是多少？
比如，95%置信水平下的日VaR为2%，意思是：有95%的把握，明天亏损不会超过2%。或者说，只有5%的可能性，明天亏损会超过2%。
计算VaR有三种常用方法：
- 参数法：假设收益率服从正态分布，VaR = μ - z·σ。其中z是置信水平对应的分位数（95%对应1.645，99%对应2.326）。
- 历史模拟法：直接用历史收益率的分位数。比如取过去1000天的收益率，排序后取第50个最差的（95%置信水平）。
- 蒙特卡洛模拟法：假设收益率服从某种分布，随机生成大量路径，然后取分位数。
# Python示例：历史模拟法计算VaR
import numpy as np
returns = np.array([0.01, -0.02, 0.03, -0.015, 0.005, -0.03, 0.02, -0.01])
confidence_level = 0.95
var = np.percentile(returns, (1 - confidence_level) * 100)
print(f"95% VaR: {var:.4f}") # 输出：-0.0250VaR的优点是直观，缺点也很明显——它只告诉我们“最大亏损不超过多少”，但没告诉我们“如果超过了，会亏多少”。这就引出了下一个指标。
3.5 CVaR：条件在险价值
CVaR（Conditional VaR），也叫期望损失（Expected Shortfall）。它计算的是：当亏损超过VaR阈值时，平均亏损是多少。
还是刚才的例子：95% VaR是-2.5%，那么CVaR就是所有小于-2.5%的收益率的平均值。假设有5%的极端情况，平均亏损是-4%，那CVaR就是-4%。
公式：
CVaR = E[ R | R ≤ VaR ]CVaR比VaR更保守，也更全面。它考虑了尾部风险。我记得在2015年股灾的时候，很多策略的VaR看起来还好，但CVaR惨不忍睹。因为VaR只看到了95%的情况，而CVaR看到了那最惨的5%有多惨。
核心区别：VaR问的是“最坏情况有多坏”，CVaR问的是“如果最坏情况发生了，到底有多坏”。后者显然更有实际意义。
3.6 知识体系总览
下面这张图总结了五个风险指标的核心逻辑和关系：
3.7 实战中的选择建议
这么多指标，到底用哪个？我的建议是：
- 日常监控：波动率 + 最大回撤。这两个最直观，也最容易理解。
- 策略对比：下行风险 + 索提诺比率。比夏普比率更真实。
- 风控合规：VaR + CVaR。尤其是CVaR，监管机构越来越看重这个。
- 极端行情测试：最大回撤 + CVaR。这两个能告诉你最坏情况有多坏。
一个小技巧：我习惯在策略回测报告中同时展示日波动率和年化波动率，以及滚动12个月的最大回撤。这样既能看整体，又能看不同时间段的表现。曾经有个策略整体最大回撤只有15%，但滚动12个月的最大回撤达到了35%——这说明它的风险是集中爆发的，这种策略要格外小心。
好了，风险指标这块就聊到这儿。记住一句话：没有完美的指标，只有合适的组合。下次你看到一份策略报告，别只看收益率，把这五个指标都扫一遍，你就能对策略的风险有个全面的认识。
公众号:蓝海资料掘金营，微信deep3321