4. ES的数学定义

在上一节中，我们已经从直观层面理解了预期损失（Expected Shortfall, ES）的含义：它衡量的是“当损失超过某个阈值时，平均会亏多少”。本节将把这一直觉转化为严格的数学定义，并分别讨论连续分布与离散分布下的ES公式，同时厘清置信水平的选择逻辑，以及ES与条件风险价值（CVaR）之间的异同。

一、核心原理：从尾部条件期望到ES

设某资产或组合的损益随机变量为 L，约定正数表示损失。给定置信水平 α ∈ (0,1)（例如0.975或0.99），VaR_α 定义为损失分布的 α 分位数：

VaR_α(L) = inf{ l ∈ ℝ : P(L ≤ l) ≥ α }

ES 则定义为超过 VaR 阈值后的条件期望：

ES_α(L) = E[ L | L ≥ VaR_α(L) ]

这个定义直观清晰，但在分布不连续或存在概率质量点时，条件事件 L ≥ VaR_α 的概率可能为零，导致条件期望无定义。因此，更稳健的ES定义采用下式：

ES_α(L) = (1/(1-α)) · ∫_α^1 VaR_u(L) du

该式表明：ES 是 VaR 在置信水平 u ∈ [α,1] 上的平均。它不依赖分布连续性，对任意分布均有定义，并且满足次可加性，是一致性风险度量。

二、连续分布下的ES公式

当损失分布 F_L(l) 连续且严格递增时，VaR 处的概率质量为零，条件期望可直接计算。设 f_L(l) 为密度函数，则：

ES_α(L) = (1/(1-α)) · ∫_{VaR_α}^{∞} l · f_L(l) dl

以正态分布为例，若 L ~ N(μ, σ²)，则：

ES_α(L) = μ + σ · φ(Φ⁻¹(α)) / (1-α)

其中 φ 为标准正态密度，Φ⁻¹ 为标准正态分位数。例如 α=0.975 时，Φ⁻¹(0.975)≈1.96，φ(1.96)≈0.0584，故 ES ≈ μ + 2.338σ，明显大于 VaR ≈ μ + 1.96σ。

对于 t 分布等厚尾分布，ES 的解析式更复杂，但同样可通过积分或数值方法求得。实践中常用历史模拟或蒙特卡洛方法直接估计。

三、离散分布下的ES公式

当损失分布为离散型或存在概率质量点时，条件事件 L ≥ VaR_α 的概率可能大于 1-α，此时需按概率加权。设损失取值 l₁ < l₂ < … < lₙ，对应概率 p₁, p₂, …, pₙ，则：

ES_α(L) = (1/(1-α)) · [ Σ_{l_i ≥ VaR_α} p_i · l_i - (P(L ≥ VaR_α) - (1-α)) · VaR_α ]

该式可理解为：先计算超过 VaR 的所有损失的概率加权和，再扣除超出 1-α 的那部分概率质量所对应的 VaR 值。当 P(L ≥ VaR_α) = 1-α 时，退化为简单条件期望。

四、置信水平的选择

置信水平 α 决定了尾部风险的覆盖范围。选择时需权衡以下因素：

• 监管要求：巴塞尔协议市场风险内部模型法要求 α=0.975，对应 97.5% 置信水平，尾部覆盖 2.5% 的极端损失。
• 数据充足性：α 越高，尾部样本越少，估计方差越大。例如 250 个交易日样本下，α=0.99 仅约 2.5 个尾部观测，估计极不稳定。
• 风险偏好：保守机构可选用 α=0.99 或更高，以捕捉更极端的尾部风险。
• 与 VaR 一致性：ES 的置信水平通常与 VaR 保持一致，便于对比和回溯测试。

五、ES与CVaR的异同

CVaR（Conditional Value at Risk）与 ES 在多数文献中视为同义词，但严格来说存在细微差别：

• 相同点：两者都衡量尾部条件期望，都满足次可加性、单调性、正齐次性和平移不变性，均为一致性风险度量。在连续分布下，两者数值完全相等。
• 不同点：CVaR 通常定义为 E[L | L ≥ VaR_α]，在离散分布下可能因条件事件概率为零而无定义；而 ES 采用积分形式 (1/(1-α))∫_α^1 VaR_u du，对任意分布均有定义且连续。因此，ES 是 CVaR 的稳健化推广。
• 术语习惯：监管文件（如巴塞尔协议）多用 ES，学术文献和优化领域多用 CVaR。实际应用中可视为同一概念的不同表述。

六、常见误区与复盘

1. 误区一：直接用条件期望计算离散分布ES。当 P(L ≥ VaR_α) > 1-α 时，简单条件期望会高估 ES。应使用概率加权修正公式。
2. 误区二：认为 ES 一定大于 VaR。在连续分布下 ES > VaR 恒成立；但在离散分布下，若 VaR 处存在概率质量点，ES 可能等于 VaR。需结合具体分布判断。
3. 误区三：忽略置信水平对估计误差的影响。α 越高，尾部样本越少，ES 估计的方差越大。建议同时报告多个置信水平下的 ES，并辅以自助法（Bootstrap）评估不确定性。
4. 误区四：将 ES 与 CVaR 完全等同。在离散分布或存在概率质量点时，两者可能不同。建模时应明确采用积分定义，避免条件期望定义带来的歧义。