3. 风险指标详解：波动率、下行波动率、VaR、CVaR、最大回撤期

风险度量，是因子投资的「刹车系统」。

很多人只看收益，觉得年化30%就是好策略。我见过太多这样的案例了——回测曲线漂亮得像教科书，实盘三个月就扛不住。为什么？因为风险指标没算明白。

这一章，我们把这五个核心指标掰开揉碎。波动率、下行波动率、VaR、CVaR、最大回撤期。每个我都会讲清楚：怎么算、怎么用、坑在哪。

3.1 波动率：最基础的「心跳监测」

波动率，说白了就是收益率的「标准差」。它告诉你策略每天的涨跌幅度有多大。

计算公式：

σ = sqrt( Σ(ri - r̄)² / (n-1) )

其中 ri 是每日收益率，r̄ 是平均收益率，n 是样本数。

我个人习惯用年化波动率。日波动率乘以 sqrt(252) 就行。为什么是252？因为A股一年大概252个交易日。

举个例子。两个策略，年化收益都是20%。策略A波动率15%，策略B波动率35%。你选哪个？

我选A。因为B可能在某个月亏掉20%，然后你心态崩了，割肉离场。收益再高，拿不住也是白搭。

3.2 下行波动率：只关心「坏」的波动

波动率有个问题——它把上涨和下跌一视同仁。但作为投资者，我们其实不介意上涨波动。跌的时候才难受。

下行波动率就是专门看「坏波动」的指标。

计算公式：

σ_down = sqrt( Σ(min(ri - rf, 0))² / (n-1) )

rf 是目标收益率，通常设为0或者无风险利率。

嗯，这里要注意。下行波动率只取低于目标的部分。如果某天赚了5%，它不参与计算。如果亏了3%，它就算进去。

我在项目中遇到过这样的情况：一个高频策略，波动率看着挺高，但下行波动率很低。为什么？因为它大部分波动来自上涨，下跌时反而很稳。这种策略，其实比表面看起来更安全。

3.3 VaR：在险价值，问「最坏能亏多少」

VaR，Value at Risk。翻译过来就是「在险价值」。它回答一个问题：在95%（或99%）的置信水平下，最大可能亏损是多少？

计算方法有三种：

• 参数法： 假设收益率服从正态分布，直接用均值和标准差算。简单，但假设太强。
• 历史模拟法： 直接取历史收益率的分位数。比如95% VaR，就是取倒数第5%的收益率。
• 蒙特卡洛法： 模拟大量路径，取分位数。计算量大，但更灵活。

我个人最常用历史模拟法。简单、直观、不需要假设分布。

import numpy as np

def calculate_var(returns, confidence=0.95):
    """历史模拟法计算VaR"""
    sorted_returns = np.sort(returns)
    index = int((1 - confidence) * len(sorted_returns))
    return sorted_returns[index]

# 示例
daily_returns = np.random.normal(0.001, 0.02, 1000)
var_95 = calculate_var(daily_returns, 0.95)
print(f"95% VaR: {var_95:.4f}")  # 输出类似 -0.0321

3.4 CVaR：VaR的「升级版」

CVaR，Conditional VaR，也叫Expected Shortfall。它解决了VaR的「尾部风险」问题。

VaR只告诉你「95%分位点的亏损是多少」，CVaR告诉你「如果亏损超过了VaR，平均会亏多少」。

计算公式：

CVaR = E[ r | r ≤ VaR ]

说白了，就是取所有比VaR更差的收益率的平均值。

你想想看，两个策略的95% VaR都是-3%。但策略A的CVaR是-4%，策略B的CVaR是-8%。这说明策略B一旦出事，后果严重得多。

def calculate_cvar(returns, confidence=0.95):
    """计算CVaR"""
    sorted_returns = np.sort(returns)
    index = int((1 - confidence) * len(sorted_returns))
    tail_returns = sorted_returns[:index]
    return np.mean(tail_returns)

cvar_95 = calculate_cvar(daily_returns, 0.95)
print(f"95% CVaR: {cvar_95:.4f}")  # 比VaR更负

3.5 最大回撤期：你「扛」了多久？

最大回撤，大家都很熟悉——从最高点到最低点的最大跌幅。但最大回撤期，很多人会忽略。

它衡量的是：从最高点跌下来，到重新创出新高，一共花了多长时间。

为什么这个指标重要？

因为时间会消磨意志。一个策略最大回撤20%，但只用了2个月就回来了，你还能扛。如果最大回撤20%，花了2年才回来……嗯，大部分人早就割肉了。

我记得有个量化团队，策略年化收益25%，最大回撤只有15%。看起来很不错对吧？但最大回撤期是18个月。也就是说，你买入后要等一年半才能回本。这期间，客户早就骂娘了。

计算方式：

def max_drawdown_period(equity_curve):
    """计算最大回撤期（天数）"""
    peak = equity_curve[0]
    peak_date = 0
    max_dd_days = 0
    
    for i, value in enumerate(equity_curve):
        if value > peak:
            peak = value
            peak_date = i
        else:
            dd_days = i - peak_date
            if dd_days > max_dd_days:
                max_dd_days = dd_days
    
    return max_dd_days

3.6 五个指标怎么用？一张表说清楚

指标	衡量什么	适用场景	我的阈值
波动率	整体波动幅度	初步筛选	年化 < 25%
下行波动率	下跌时的波动	风险厌恶型投资者	年化 < 15%
VaR (95%)	大概率下的最大亏损	日常风控	日 < -2%
CVaR (95%)	极端情况下的平均亏损	压力测试	日 < -3%
最大回撤期	从亏损到回本的时间	投资者心理评估	< 6个月

这五个指标，从不同角度刻画风险。波动率看整体，下行波动率看下跌，VaR看大概率，CVaR看极端，最大回撤期看时间。缺一不可。