1. 课程导入
欢迎进入《VaR历史模拟、参数法与蒙特卡洛实战》。在正式动手计算之前，我们需要先建立一张“认知地图”：VaR到底在风险管理中扮演什么角色？历史模拟、参数法与蒙特卡洛各自解决什么问题？本课程后续30章将如何展开？本章不涉及复杂公式推导，而是帮你把概念、定位与路线一次性对齐，避免后面“会算但不知道为何这样算”。
一、学习目标：学完本课程你能做什么
本课程的目标不是让你背诵VaR定义，而是让你具备独立完成VaR建模、校验与解释的能力。具体来说，学完后你应当能够：
- 理解定位：说清VaR在市场风险、信用风险与操作风险中的适用边界，以及它与ES（期望损失）、压力测试的关系。
- 掌握三法：独立实现历史模拟法、参数法（方差—协方差法）与蒙特卡洛模拟法，并解释各自假设与输出。
- 会做校验：使用Kupiec、Christoffersen等回测方法检验VaR模型是否可靠。
- 能落地：把VaR结果转化为限额管理、资本计量与交易决策语言。
二、VaR在风险管理中的定位
风险管理工具很多：波动率、Beta、久期、希腊字母、压力测试、ES、情景分析。VaR的独特价值在于，它把多个风险因子、多个头寸、多个市场的敞口压缩成一个货币金额，并用一个概率语言表达。例如“95%置信水平下，1日VaR为120万元”，管理层一听就懂：正常市场条件下，明天有5%的概率亏损超过120万元。
但VaR也有明显短板：它不告诉我们尾部到底有多厚。两个组合可以有相同的VaR，但一个在突破VaR后只亏130万，另一个可能亏1000万。因此现代风险管理通常采用“VaR+ES+压力测试”三件套。VaR负责日常限额与报告，ES负责刻画尾部平均损失，压力测试负责极端情景。理解这个分工，你才不会把VaR当成万能钥匙。
三、三大方法概览：同一目标，三种路径
历史模拟法、参数法与蒙特卡洛法，本质上都在回答同一个问题：损失分布的95%或99%分位点在哪里。区别在于“分布从哪来”。
| 方法 | 核心假设 | 数据来源 | 优点 | 主要局限 |
|---|---|---|---|---|
| 历史模拟法 | 历史会重演，无需分布假设 | 真实历史收益率序列 | 捕捉厚尾、非线性、相关性 | 依赖历史窗口，极端事件可能未覆盖 |
| 参数法 | 收益率服从正态分布 | 均值、方差、协方差矩阵 | 计算快、解析解、易解释 | 低估厚尾，对非线性头寸不友好 |
| 蒙特卡洛法 | 设定随机过程与分布 | 模拟生成的路径 | 灵活处理复杂产品与路径依赖 | 计算量大、模型风险高 |
选择哪种方法，取决于你的组合复杂度、数据可得性、计算资源与监管要求。一个常见实践是：参数法做日常快速计量，历史模拟法做交叉验证，蒙特卡洛法处理期权等非线性产品。三者不是互斥，而是互补。
四、案例场景：一个组合的VaR三法对比
假设你持有一个由沪深300ETF与国债ETF构成的组合，权重各50%。用三种方法估计1日95% VaR，可能得到如下结果：
历史模拟法（500日窗口）：VaR = 1.82%
参数法（正态假设）： VaR = 1.35%
蒙特卡洛法（t分布模拟）： VaR = 1.76%
差异原因：
- 参数法假设正态，低估了尾部，因此VaR最小；
- 历史模拟法直接取历史分位点，捕捉了厚尾；
- 蒙特卡洛使用t分布，自由度设为5，接近历史厚尾特征。
这个案例说明：方法选择会直接改变风险数字。如果你用参数法向管理层汇报，可能显得风险很低；但一旦市场出现厚尾事件，实际亏损会远超预期。因此，专业做法是同时报告多种方法结果，并说明差异来源。
五、课程路线图：30章如何展开
本课程按“概念—方法—实现—校验—应用”五段式推进：
- 导入与基础（第1—4章）：建立VaR定位、收益率计算、置信水平与持有期选择等基础。
- 历史模拟法（第5—10章）：从全历史模拟到滤波历史模拟，处理窗口选择与数据清洗。
- 参数法（第11—17章）：方差—协方差法、指数加权、GARCH波动率建模与多元正态假设检验。
- 蒙特卡洛法（第18—24章）：随机数生成、方差缩减、路径模拟与非线性产品定价。
- 回测与应用（第25—30章）：Kupiec回测、压力测试、限额管理与监管资本计量。
每章都会配有可运行的代码片段与真实数据场景。建议你按顺序学习，尤其是第2—4章的基础部分，它们决定了后面所有计算的准确性。如果你已有一定基础，也可以直接跳到对应方法章节，但务必回头补上回测部分——没有回测的VaR只是数字游戏。