风险价值VaR基础
说到风险管理，VaR绝对是个绕不开的概念。我最早接触VaR是在2012年做衍生品定价的时候，那时候团队老大扔给我一句：「你去算算这个组合今天最多亏多少。」嗯，当时我就懵了——这问题听起来简单，但背后全是学问。
VaR，全称Value at Risk，中文叫风险价值。说白了就是回答一个问题：在给定的置信水平下，我的投资组合在未来一段时间内，最大可能亏损是多少？
举个例子你就明白了。假设你手里有100万的股票组合，算出来95%置信水平下、1天的VaR是5万。这意味着什么？意味着在100个交易日里，大概有95天你的亏损不会超过5万。剩下的5天，亏损可能会超过这个数。注意，它没说会亏多少——这是VaR的一个关键局限，后面我会细说。
VaR的数学表达
数学上，VaR的定义其实很简洁。设投资组合的损失为随机变量L，那么在置信水平α下，VaR就是损失分布的第α分位数：
VaR_α = inf{ l ∈ ℝ : P(L > l) ≤ 1-α }看着有点绕？我换个说法。你想想看，把所有的可能亏损从小到大排个队，VaR就是那个「刚好让α%的损失都小于它」的临界值。比如α=95%，那VaR就是第95%分位数。
在实际计算中，我们通常用两种等价形式：
- 绝对VaR：相对于初始价值的最大损失
- 相对VaR：相对于期望收益的最大损失
我个人习惯用相对VaR，因为它更能反映「意外亏损」的程度。我在项目中遇到过好几次，用绝对VaR算出来数值很小，但其实是市场整体在涨，掩盖了尾部风险。嗯，这里要注意。
VaR的参数选择
VaR计算需要两个关键参数：置信水平和持有期。这两个参数怎么选？我直接说实战经验。
| 参数 | 常见取值 | 我的建议 |
|---|---|---|
| 置信水平 | 95%、99% | 监管用99%，内部风控用95% |
| 持有期 | 1天、10天 | 流动性好的用1天，差的用10天 |
置信水平：选95%还是99%？
- 95%：数据更稳定，回测容易通过。我一般做内部风控用这个。
- 99%：巴塞尔协议要求，但尾部数据太少，估计误差大。我曾经用99%算一个债券组合，结果回测时连续3天超限，后来发现是样本量不够，分位数估计偏了。
持有期：1天还是10天？
- 1天：适合高频交易、流动性好的资产。我建议先用1天算，再按平方根法则换算。
- 10天：监管要求，但直接用10天数据算会损失样本量。我的做法是：算1天VaR，然后乘以√10。注意，这假设收益独立同分布，实际中不一定成立。
核心要点：参数选择没有绝对标准，关键看你的应用场景。做监管报告就按监管要求来，做内部风控就选能让模型稳定的参数。
VaR的优缺点
做了这么多年量化，我越来越觉得VaR是个「好用但别迷信」的工具。它的优点和缺点都很明显。
优点
- 直观易懂：一个数字就能告诉老板「今天最多亏多少」。我记得第一次给非技术背景的合伙人汇报，就用VaR，他秒懂。
- 标准化：全球金融机构都在用，便于横向比较。
- 可加性：不同资产类别的VaR可以汇总（虽然需要处理相关性）。
缺点
- 不满足次可加性：这是个大坑。简单说，组合的VaR可能大于各资产VaR之和，这违背了分散化降低风险的基本逻辑。我曾经因为这个被风控总监质疑过，后来改用CVaR才解决。
- 忽略尾部风险：VaR只告诉你「95%的情况下亏多少」，但剩下的5%呢？可能亏得底裤都不剩。2008年金融危机时，很多机构的VaR模型都失效了，就是因为尾部风险被严重低估。
- 对数据敏感：样本选择、分布假设都会显著影响结果。我见过有人用正态分布算VaR，结果实际数据有厚尾，VaR被低估了30%以上。
避坑指南：我曾经用历史模拟法算一个含有期权的组合VaR，结果因为样本窗口选得太短（250天），刚好错过了上一次市场大跌，算出来的VaR只有实际风险的60%。后来我改成滚动500天窗口，情况好多了。所以，样本窗口的选择一定要考虑市场周期的完整性。
知识体系总览
下面这张图把VaR的核心逻辑串起来了。我建议你对照着看，能更清楚每个知识点之间的关联。
我的小建议：刚开始学VaR，别急着上复杂模型。先用历史模拟法跑一遍，看看数据长什么样。我当年就是先手动算Excel，理解了每个步骤的含义，后来用Python写代码时才不会出错。记住，工具是死的，理解是活的。
公众号:蓝海资料掘金营，微信deep3321