2. 风险价值VaR基础

在进入回测与Kupiec检验之前，必须先把VaR本身讲清楚。VaR（Value at Risk，风险价值）回答的是一个非常具体的问题：在给定置信水平和持有期下，某一投资组合在未来可能遭受的最大损失是多少？它不是一个“最坏情况”的承诺，而是一个统计意义上的分位数边界。理解这一点，是后续所有回测工作的前提。

一、VaR的三个核心参数

VaR由三个参数共同定义，缺一不可：置信水平、持有期和损失分布。置信水平通常取95%或99%，表示我们希望在多大程度上覆盖正常市场波动下的损失；持有期通常为1天或10天，对应监管资本计量或内部风险管理的不同场景；损失分布则决定了分位数的具体位置。

以95%置信水平、1天持有期为例，VaR的含义是：在正常市场条件下，未来1天内损失超过该数值的概率约为5%。换句话说，每100个交易日中，大约有5天的损失会突破VaR。这个“5%”正是Kupiec检验中需要验证的例外率。

二、分位数的含义与方向

VaR本质上是损失分布的一个分位数。假设组合日收益率服从某个分布，95% VaR对应的是收益率分布左尾5%的分位点。注意方向：我们关心的是左尾，即损失侧。若用收益率表示，VaR通常为负数；若用损失金额表示，则取正值。

分位数的选择直接影响VaR大小。置信水平越高，分位数越靠左尾，VaR数值越大。99% VaR一定大于等于95% VaR，因为你要覆盖更极端的5%之外的区域。持有期越长，波动累积越多，VaR通常也越大，但并非简单线性关系，而是与时间的平方根近似成比例（在独立同分布假设下）。

# 以正态分布为例，计算分位数
# 95%置信水平，左尾5%分位点
z_95 = -1.645
# 99%置信水平，左尾1%分位点
z_99 = -2.326

# 若组合日波动率为1.5%，均值为0
VaR_95 = -(0 + z_95 * 0.015)  # 约2.47%
VaR_99 = -(0 + z_99 * 0.015)  # 约3.49%

三、组合VaR与单一资产VaR的区别

这是本节最容易被低估的部分。单一资产VaR只需关注该资产自身的波动和分位数；而组合VaR必须考虑资产间的相关性。两个资产各自VaR相加，通常远大于组合真实VaR，因为分散化效应会降低整体风险。

组合VaR的核心公式（方差-协方差法）为：

σ_p = sqrt(w^T * Σ * w)
VaR_p = z_α * σ_p * sqrt(持有期)

其中w是权重向量，Σ是协方差矩阵。协方差矩阵中的相关系数决定了分散化效果：相关系数越低，组合VaR相对单一资产VaR之和的缩减越明显。当相关系数为1时，分散化完全失效，组合VaR等于加权VaR之和。

对比维度	单一资产VaR	组合VaR
输入数据	单资产收益率序列	多资产收益率矩阵
关键参数	波动率、分位数	权重、协方差矩阵、分位数
分散化效应	不存在	存在，且与相关性负相关
计算复杂度	低	较高，需估计协方差
回测关注点	单序列例外率	组合层面例外率与成分贡献

四、案例场景：两资产组合的VaR对比

假设组合由资产A和资产B等权构成，各自日波动率均为2%，95%置信水平下单一资产VaR约为3.29%。若两者完全正相关，组合VaR约为3.29%；若两者完全不相关，组合波动率降至约1.41%，组合VaR降至约2.33%。这就是分散化带来的风险缩减。

在回测中，如果忽略相关性、直接用单一资产VaR加权求和来近似组合VaR，会系统性高估风险，导致例外率偏低，Kupiec检验可能错误地拒绝模型。因此，组合VaR的回测必须基于真实的组合损益序列，而不是成分VaR的简单汇总。

五、常见误区与复盘

• 误区一：把VaR当作最大损失。VaR只是分位数边界，超过VaR的损失可能远超预期，必须结合ES和压力测试。
• 误区二：忽略持有期与数据频率的匹配。用日频数据估计10日VaR时，需按平方根法则调整，但该法则在存在自相关或波动聚集时并不严格成立。
• 误区三：组合VaR等于成分VaR之和。除非完全正相关，否则这种近似会高估风险，导致回测例外率失真。
• 误区四：置信水平选择随意。95%和99%对应不同的例外率预期，回测阈值和Kupiec检验的临界值也随之变化，必须与模型设定一致。

掌握以上基础后，你已经具备了理解VaR回测逻辑的完整前提：知道VaR是什么、由什么决定、组合与单一资产有何不同、以及常见陷阱在哪里。接下来进入Kupiec检验时，这些概念会直接转化为例外率、似然比统计量和回测判断标准。