风险度量基础：方差、标准差、半方差、下行风险、VaR
聊风险度量之前，我先讲个真实案例。几年前我帮一家私募做绩效归因，对方投委会主席拍着桌子说：「我们产品最大回撤才8%，风险控制得很好！」我调出数据一看——嗯，回撤确实不大，但净值曲线像过山车，单日波动率高达35%。这哥们儿把「回撤」和「波动」搞混了。说白了，风险度量这件事，选错指标比没度量更可怕。
今天我们就来拆解几个最常用的风险度量工具。我个人习惯把它们分成两类：一类是「波动类」，比如方差、标准差；另一类是「损失类」，比如半方差、下行风险、VaR。你想想看，一个只看波动的人，和一个只看损失的人，对同一笔交易的评价可能天差地别。
1. 方差与标准差：最经典的波动度量
方差衡量的是收益率偏离均值的程度。公式很简单：
σ² = (1/n) * Σ(ri - r̄)²标准差就是方差的平方根。为什么开根号？因为方差是平方量纲，跟收益率对不上。我刚开始做量化时，经常被老板问：「这个策略年化波动率20%是什么意思？」我说：「就是收益率在均值上下20%范围内晃悠。」老板说：「那跟最大回撤有啥区别？」——嗯，这个问题问得好，我们后面会讲。
标准差有个天然缺陷：它把上涨和下跌一视同仁。但在投资里，上涨是好事，下跌才是风险。你想想看，一个策略年化收益30%，波动率25%，你开心吗？当然开心。但如果另一个策略年化收益5%，波动率25%，你就要哭了。同样的波动率，不同的感受。
核心要点：标准差适合衡量「总波动」，但不区分方向。在对称分布下好用，遇到偏态分布就抓瞎。
2. 半方差与下行风险：只关心坏的那一面
半方差只计算低于目标收益率的那些样本。公式长这样：
半方差 = (1/n) * Σ min(ri - r̄, 0)²下行风险就是半方差的平方根。我在项目中遇到过一位基金经理，他的策略专门做空高波动小盘股。用标准差看，他的组合波动率高达40%，但用下行风险看，只有12%。为什么？因为他的策略经常大涨，很少大跌。标准差把大涨也算作「风险」，显然不合理。
这里有个避坑指南：我曾经帮客户做风险预算，对方坚持用标准差做约束，结果组合里全是高收益高波动的资产，一遇到市场暴跌就崩盘。后来换成下行风险约束，组合才稳定下来。所以我的建议是——如果你管理的资金有止损线或清盘线，请务必使用下行风险。
个人经验：半方差对样本量要求更高。如果只有30个交易日的数据，算出来的半方差可能很不稳定。我一般要求至少250个交易日（一年）的数据。
3. VaR（在险价值）：问「最坏能亏多少」
VaR回答一个问题：在给定的置信水平下，未来一段时间内最大可能损失是多少？比如95% VaR = -5%，意思是「有95%的把握，最大亏损不超过5%」。
计算VaR有三种常见方法：
| 方法 | 原理 | 优缺点 |
|---|---|---|
| 参数法（方差-协方差） | 假设收益率服从正态分布 | 计算快，但正态假设经常不成立 |
| 历史模拟法 | 直接用历史收益率排序 | 无需假设分布，但依赖历史数据 |
| 蒙特卡洛模拟 | 随机生成大量路径 | 灵活，但计算量大 |
我个人最常用的是历史模拟法。为什么？因为参数法假设正态分布，但金融数据明明有厚尾特征。我记得有一次用参数法算VaR，结果显示99% VaR只有-3%，结果第二天市场暴跌7%——嗯，那3%的尾部风险，恰恰是致命风险。
用Python实现历史模拟法很简单：
import numpy as np
def historical_var(returns, confidence=0.95):
sorted_returns = np.sort(returns)
index = int((1 - confidence) * len(sorted_returns))
return sorted_returns[index]
# 示例：假设有1000个日收益率
np.random.seed(42)
returns = np.random.normal(0.001, 0.02, 1000)
var_95 = historical_var(returns, 0.95)
print(f"95% VaR = {var_95:.4f}")注意：VaR有个致命缺陷——它不告诉你「超过VaR的损失有多大」。比如95% VaR是-5%，那剩下的5%可能亏6%，也可能亏60%。这就是为什么后来有了CVaR（条件在险价值）。
4. 一张图看懂风险度量体系
下面这张SVG图，我把这几个指标的关系画清楚了。你一看就明白：
5. 实战中的选择建议
说了这么多，到底该用哪个？我给出一个简单的决策树：
- 如果你做资产配置：用标准差。因为组合优化中，协方差矩阵需要对称度量。
- 如果你做风险控制：用下行风险或VaR。因为风控的核心是「别亏大钱」。
- 如果你做绩效归因：同时看标准差和VaR。一个看过程，一个看结果。
我记得有一次给一家银行做风险预算，他们要求所有策略的95% VaR不超过2%。结果有个策略标准差只有1.5%，但VaR算出来是3.8%。为什么？因为那个策略虽然波动小，但偶尔会突然暴跌——典型的厚尾分布。如果只看标准差，你就被它骗了。
一句话总结：标准差告诉你「通常晃多大」，VaR告诉你「最坏能亏多少」。两个都要看，但别搞混。
好了，风险度量的基础就讲到这里。这些指标是后续做风险预算和绩效归因的基石。你想想看，如果连风险都度量不准，那后面的预算和归因不就是空中楼阁吗？
公众号:蓝海资料掘金营，微信deep3321