1. 课程导入
量化交易常被误解为“用程序自动赚钱”，但真正决定策略能否长期存活的，不是收益曲线最陡的那一段，而是回撤最深、波动最剧烈、流动性最差的那几天。一个策略即使年化收益很高，只要在极端行情中发生不可恢复的亏损，就会被资金方降杠杆、被风控强制平仓，甚至直接退出市场。因此，量化交易的第一性问题不是“如何赚得更多”，而是“如何先活下来”。风险控制不是策略的附属模块，而是与信号生成、仓位管理、执行系统并列的核心基础设施。
在众多风险度量工具中，VaR（Value at Risk，风险价值）与CVaR（Conditional Value at Risk，条件风险价值）是量化交易领域最常被提及、也最容易被误用的两个指标。VaR回答的是：在给定置信水平和持有期内，正常市场条件下最大可能损失是多少；CVaR回答的是：一旦损失超过VaR阈值，平均损失会有多大。前者像一道“风险门槛”，后者像门槛之外的“平均深渊深度”。理解二者的关系，是从“拍脑袋设止损”走向“可计算、可复盘、可审计”的风险控制体系的关键一步。
一、核心原理：VaR与CVaR到底在度量什么
VaR的本质是一个分位数。假设某策略日收益分布已知，取95%置信水平，VaR95%表示：在未来一天内，有95%的概率损失不会超过该数值，或者说有5%的概率损失会超过它。例如，某组合日VaR95%为100万元，意味着在正常市场条件下，一天内损失超过100万元的概率约为5%。
但VaR有一个致命缺陷：它只告诉你“门槛在哪里”，却不告诉你“门槛外有多惨”。如果那5%的尾部事件发生时平均亏损是500万元，VaR仍然只显示100万元，这会严重低估极端风险。CVaR正是为弥补这一缺陷而设计，它计算的是损失超过VaR那部分的条件期望，因此对尾部风险更敏感，也满足次可加性，在组合优化中比VaR更稳定。
一句话区分：VaR是“最多亏多少”的分位点；CVaR是“亏超之后平均亏多少”的尾部均值。做风险控制，两者必须配合使用。
二、方法流程：从数据到风险限额的闭环
在实际量化系统中，VaR与CVaR不是算一次就结束的静态数字，而应嵌入每日风控流程，形成“计算—比较—决策—复盘”的闭环。典型流程如下：
- 数据准备：获取组合持仓、历史价格、收益率序列，处理缺失值与停牌，确保时间对齐。
- 分布估计：选择历史模拟法、方差-协方差法或蒙特卡洛模拟法，估计收益分布。
- 计算VaR与CVaR：按置信水平（如95%、99%）和持有期（1日、10日）计算指标。
- 限额比较：将结果与预设风险预算、最大回撤、保证金要求比较。
- 仓位调整：若超限，则降杠杆、对冲或减仓；若未超限，则维持或按信号调仓。
- 回溯检验：统计实际损失超过VaR的天数，检验模型是否低估风险。
# 简化示例：历史模拟法计算日VaR与CVaR
import numpy as np
returns = np.array([...]) # 组合日收益率序列
alpha = 0.95
var_95 = np.percentile(returns, (1 - alpha) * 100)
tail = returns[returns <= var_95]
cvar_95 = tail.mean()
print(f"VaR(95%) = {var_95:.4f}")
print(f"CVaR(95%) = {cvar_95:.4f}")三、案例/场景：一次尾部事件如何击穿VaR
假设某中性策略组合日收益近似正态，历史波动率较低，计算得到日VaR95%为组合净值的1.2%，CVaR95%为1.8%。某日市场因突发政策消息出现流动性枯竭，组合实际亏损达到4.5%。此时VaR被突破，但CVaR仍然低估了真实尾部。若风控只盯VaR，可能认为“只是小概率事件”；若同时监控CVaR并设置“CVaR倍数预警”，就能更早触发降仓。这个场景说明：VaR适合作为日常限额，CVaR适合作为极端情景的压力测试补充。
| 指标 | 含义 | 优点 | 局限 | 适用场景 |
|---|---|---|---|---|
| VaR | 给定置信水平下的最大可能损失分位点 | 直观、易沟通、监管常用 | 不反映尾部厚度、不满足次可加性 | 日常风险限额、监管报告 |
| CVaR | 损失超过VaR后的条件期望 | 尾部敏感、满足次可加性、优化稳定 | 计算量较大、解释成本略高 | 极端压力测试、组合优化 |
四、误区与复盘：不要把VaR当成“最大亏损”
常见误区一：把VaR当作“最多亏这么多”。VaR只是分位点，5%的概率下损失可以远超它。
常见误区二：用正态分布假设计算所有策略的VaR。高频、期权、CTA等策略收益常呈尖峰厚尾，正态假设会系统性低估风险。
常见误区三：只算VaR不回溯检验。没有回溯检验的VaR只是“纸面数字”，无法判断模型是否失效。
复盘时，应重点检查三类问题：第一，实际突破VaR的频率是否接近理论值；第二，CVaR与VaR的比值是否在极端行情中显著放大；第三，风险限额是否与策略容量、资金成本、保证金要求匹配。只有把VaR与CVaR纳入同一套风控仪表盘，并配合压力测试与情景分析，才能真正支撑量化交易的长期稳健运行。