4、风险指标详解：波动率（年化）、最大回撤（MDD）、下行风险、VaR（在险价值）、CVaR（条件在险价值）
做套利策略，最怕什么？
不是赚得少，而是突然某天爆仓，或者回撤大到让你怀疑人生。
我见过太多人，策略夏普比高得吓人，结果一个黑天鹅直接归零。所以今天咱们聊聊风险指标。这些指标，说白了就是给你的策略做「体检」——看看它到底扛不扛揍。
核心观点： 收益是策略的上限，风险是策略的底线。不懂风险，赚再多也是纸面富贵。
4.1 波动率（年化）—— 策略的「心跳」
波动率衡量的是策略收益的离散程度。简单说，就是你的净值曲线抖不抖。
我个人习惯把波动率看作策略的「心跳」。心跳太慢（波动率低），说明策略可能太保守；心跳太快（波动率高），说明策略可能随时猝死。
年化波动率的计算公式：
年化波动率 = 日收益率标准差 × √252为什么是252？因为一年大概有252个交易日。这个公式假设收益率是独立同分布的，虽然现实中不完全成立，但够用了。
我的经验： 套利策略的年化波动率通常控制在5%-15%之间。如果超过20%，你就要小心了——这已经不是套利，是在赌博。
举个例子：
import numpy as np
# 假设某套利策略的日收益率序列
daily_returns = [0.001, -0.0005, 0.002, -0.001, 0.0015, ...]
std_daily = np.std(daily_returns)
annual_vol = std_daily * np.sqrt(252)
print(f"年化波动率: {annual_vol:.2%}")嗯，这里要注意：如果策略交易频率很低（比如周频），就用周收益率乘以√52。别搞混了。
4.2 最大回撤（MDD）—— 策略的「至暗时刻」
最大回撤，就是从净值最高点到最低点的最大跌幅。它告诉你：在最坏的情况下，你会亏多少钱。
我刚开始做量化时，总觉得最大回撤就是个数字。直到有一次，我的策略回撤了18%，客户直接打电话来骂娘……从那以后，我把MDD当作策略的「生命线」。
计算公式：
MDD = max( (Peak - Trough) / Peak )其中Peak是历史最高净值，Trough是Peak之后的最低净值。
避坑指南： 我曾经见过一个策略，回测时MDD只有5%，实盘却回撤了20%。为什么？因为回测时用的是「未来数据」——回撤还没走完就提前平仓了。记住：MDD必须是「已实现」的回撤，不能是「假设」的。
我个人习惯用「回撤修复时间」来辅助判断。如果一个策略回撤20%后，需要3年才能修复，那这个策略基本废了。
4.3 下行风险 —— 只看「坏」的波动
波动率把上涨和下跌都算进去了。但说实话，上涨的波动我们巴不得越大越好，对吧？
下行风险只关注亏损时的波动。它衡量的是策略「跌起来有多狠」。
计算公式：
下行风险 = √( 1/N × Σ min(0, r_i - r_target)² )其中r_target是目标收益率，通常设为0或者无风险利率。
你想想看，两个策略年化波动率都是15%，但一个下行风险只有5%，另一个是12%。你会选哪个？当然是前者——它跌得少，涨得多。
我的习惯： 在评估套利策略时，我优先看下行风险，而不是总波动率。因为套利策略的核心是「低风险」，而不是「低波动」。
4.4 VaR（在险价值）—— 最坏情况下的损失
VaR问的是：在95%（或99%）的置信水平下，未来一天（或一周）最大可能亏损是多少？
说白了，就是「最坏情况下的损失底线」。
参数法（假设正态分布）：
VaR_95% = μ - 1.645 × σ其中μ是预期收益率，σ是标准差，1.645是95%置信水平对应的z值。
历史模拟法（更常用）：
# 假设有1000个历史收益率
sorted_returns = sorted(historical_returns)
VaR_95 = sorted_returns[int(0.05 * len(sorted_returns))]避坑指南： 我曾经用参数法算VaR，结果策略实盘时亏损远超VaR值。为什么？因为收益率不是正态分布——它有肥尾。所以我建议用历史模拟法，或者至少做一下正态性检验。
VaR的局限性也很明显：它只告诉你「最坏情况下的损失底线」，但没告诉你「如果超过底线，会亏多少」。这就引出了下一个指标。
4.5 CVaR（条件在险价值）—— 比VaR更狠
CVaR也叫期望损失（Expected Shortfall）。它问的是：当亏损超过VaR时，平均会亏多少？
举个例子：VaR告诉你「95%的情况下，一天最多亏5万」。CVaR告诉你「如果那5%的坏情况发生了，平均会亏8万」。
计算公式：
CVaR_95% = 平均(所有小于VaR_95%的收益率)用代码实现：
def calculate_cvar(returns, confidence=0.95):
sorted_returns = sorted(returns)
var_index = int((1 - confidence) * len(sorted_returns))
var = sorted_returns[var_index]
cvar = np.mean(sorted_returns[:var_index])
return var, cvar我的观点： 如果你只能选一个风险指标，我建议选CVaR。它比VaR更保守，也更真实。巴塞尔协议III现在也要求银行用CVaR替代VaR了。
4.6 五个指标的关系与选择
这五个指标不是孤立的，它们从不同角度描述风险：
| 指标 | 衡量什么 | 适用场景 |
|---|---|---|
| 年化波动率 | 整体波动幅度 | 初步筛选 |
| 最大回撤 | 历史最差表现 | 风控红线 |
| 下行风险 | 下跌时的波动 | 套利策略评估 |
| VaR | 最坏情况底线 | 日常风控 |
| CVaR | 极端损失均值 | 压力测试 |
我个人习惯这样用：先用波动率和MDD做快速筛选，再用下行风险和CVaR做深度评估。VaR作为日常监控指标。
重要提醒： 所有风险指标都是基于历史数据的。历史会重演，但不会简单重复。别把回测的VaR当成实盘的保证——我吃过这个亏。
最后说一句：风险指标不是越多越好，关键是要理解每个指标背后的含义，以及它们之间的权衡。我个人最看重CVaR和下行风险，因为它们更贴近套利策略的实际情况。
总结： 波动率看整体，MDD看历史最差，下行风险看下跌质量，VaR看底线，CVaR看极端。五个指标一起用，才能全面评估策略的风险特征。
公众号:蓝海资料掘金营，微信deep3321