2. 风险度量基础
在进入 VaR 与 CVaR 的具体计算之前，必须先建立一套清晰的风险语言。量化交易中的“风险”并不是一个模糊的贬义词，而是可以被定义、分类、度量并纳入决策的目标变量。本节从风险的定义出发，梳理三大风险类别，并聚焦量化交易特有的风险来源与特征，为后续 VaR/CVaR 建模打下概念地基。
一、风险的定义：从不确定性到可度量损失
金融风险通常定义为：未来收益或价值的不确定性，以及这种不确定性可能导致的损失。这个定义包含两个关键要素：一是不确定性，即结果不是单一确定的；二是损失暴露，即不利结果会对头寸、组合或机构造成实质影响。仅有不确定性而没有暴露，不构成需要管理的金融风险。
在量化语境下，风险进一步被操作化为损失分布。我们关心的是：在给定持有期与置信水平下，损失分布的尾部有多厚、极端损失有多深。VaR 回答“最多亏多少（在某个概率下）”，CVaR 回答“一旦超过 VaR，平均亏多少”。因此，风险度量的本质是对损失分布尾部的刻画。
二、三大风险类别：市场风险、信用风险、操作风险
业界普遍采用三分法对风险进行分类，这一分类直接决定了建模方法与数据需求。
- 市场风险（Market Risk）：由市场价格变动引起，包括股票价格、利率、汇率、商品价格及其波动率变化。量化交易中最常面对的就是市场风险，其数据丰富、频率高，适合用统计模型（如 VaR、CVaR、GARCH）度量。
- 信用风险（Credit Risk）：由交易对手违约或信用质量恶化引起，包括违约风险、迁移风险、回收率不确定性。场外衍生品、融资融券、债券持仓中尤为突出，数据稀疏、尾部极厚，常需用违约概率（PD）、违约损失率（LGD）与暴露（EAD）建模。
- 操作风险（Operational Risk）：由内部流程、人员、系统或外部事件引起，包括下单错误、模型缺陷、数据中断、网络延迟、合规失误。量化交易中操作风险常被低估，但一次代码 bug 或行情断连可能造成远超市场风险的瞬时损失。
三类风险并非孤立：一次极端行情可能同时触发市场风险、信用风险（对手方违约）与操作风险（系统过载）。因此，量化风控需要跨类别整合，而非只盯价格波动。
三、量化交易中的风险来源与特征
相比传统主观交易，量化交易的风险来源更分散、传导更快、隐蔽性更强。主要来源可归纳为以下几类：
- 策略逻辑风险：因子失效、过拟合、样本外衰减。回测漂亮但实盘亏损，往往源于此。
- 数据风险：行情缺失、复权错误、时间戳错位、幸存者偏差。数据是量化策略的输入，输入脏则输出必错。
- 执行风险：滑点、冲击成本、成交延迟、部分成交。高频策略中执行成本可吞噬全部理论收益。
- 杠杆与流动性风险：高杠杆放大尾部损失，流动性枯竭时无法平仓，形成“想走走不了”的困境。
- 模型与参数风险：VaR 模型假设正态、忽略厚尾与相关性突变，导致风险被系统性低估。
- 技术与操作风险：代码缺陷、API 限流、服务器宕机、风控阈值配置错误。
量化交易风险具有四个鲜明特征：高频性（日内多次暴露）、非线性（杠杆与衍生品放大尾部）、相关性突变（危机时资产同跌）、尾部集中（大部分损失来自少数极端日）。这些特征决定了不能只用方差或标准差度量风险，必须引入 VaR/CVaR 等尾部工具。
| 风险类别 | 主要来源 | 典型度量 | 量化场景示例 |
|---|---|---|---|
| 市场风险 | 价格、波动率、利率、汇率 | VaR、CVaR、Beta、久期 | 股票多因子组合日内回撤 |
| 信用风险 | 对手方违约、融资断链 | PD、LGD、EAD、信用 VaR | 场外期权对手方敞口 |
| 操作风险 | 系统、流程、人员、外部事件 | 损失事件库、情景分析 | 下单接口超时导致错单 |
| 流动性风险 | 买卖价差扩大、深度不足 | 换手率、冲击成本模型 | 小盘股策略集中平仓 |
| 模型风险 | 假设错误、参数漂移 | 回测/实盘偏差、压力测试 | VaR 正态假设低估尾部 |
四、案例与复盘：一次被低估的尾部风险
某量化团队运行中频统计套利策略，回测年化收益 18%，最大回撤 6%，日收益标准差 0.8%。按正态假设，99% 日 VaR 约为 1.86%。团队据此设置 3% 日止损线，认为足够安全。
然而某日市场因宏观事件跳空，策略持仓的相关性从 0.2 骤升至 0.85，组合单日亏损 5.2%，直接击穿止损线并触发追加保证金。复盘发现三个问题：
- VaR 使用正态假设，严重低估厚尾，实际 99% 分位远高于 1.86%。
- 未考虑危机时相关性突变，分散化在尾部失效。
- 止损线基于 VaR 设置，未用 CVaR 评估“超过 VaR 后的平均损失”。
# 风险检查参数示例（伪配置）
holding_period: 1d
confidence_levels: [0.95, 0.99]
var_method: historical_simulation
cvar_enabled: true
stress_scenarios:
- correlation_shock: 0.85
- volatility_multiplier: 3.0
- liquidity_haircut: 0.5
stop_loss_rule: cvar_99 * 1.2
通过这一案例可以看到，风险度量基础不仅是概念分类，更直接决定止损线、仓位上限与压力测试的设计。理解市场风险、信用风险、操作风险的边界与量化交易的风险来源，是后续构建 VaR 与 CVaR 模型的必要前提。