4. 历史模拟法原理
历史模拟法（Historical Simulation, HS）是VaR计算中最直观、也最容易被业务方理解的一类方法。它的核心思想只有一句话：用资产组合在过去一段真实历史中的损益分布，来近似它未来可能面临的损益分布。与参数法假设收益率服从正态分布不同，历史模拟法不预设分布形态，而是让历史数据自己“说话”。本节将围绕全历史模拟的机制、排序分位数的计算、经验分布的含义，以及它的优缺点与适用场景展开。
一、核心原理：让历史重演
历史模拟法假设“历史会以相似的方式重演”，因此把过去N个交易日的市场因子变动，逐一施加到当前组合上，得到N个假想的组合损益，从而构造出一个经验分布。其基本逻辑可以拆成三步：
- 收集历史市场因子：如股票价格、利率、汇率、商品价格等，取过去N个交易日的数据。
- 计算历史变动：求出每个因子每日的收益率或绝对变动量。
- 重估当前组合：把每一个历史变动应用到当前持仓上，得到N个模拟损益。
这N个损益就构成了组合未来损益的“经验分布”。VaR就是该分布左尾的某个分位数。例如95%置信水平下，VaR对应第5百分位（或按损失排序后的第5%个最差损失）。
关键点：历史模拟法不需要估计协方差矩阵，也不需要假设正态分布，因此能自然捕捉厚尾、偏度和非线性结构（如期权的Gamma效应）。
二、方法流程：从数据到VaR
下面用一个简化的单资产例子说明完整流程。假设当前持有100万元某股票，取过去250个交易日的历史收益率，计算95%置信水平下的1日VaR。
步骤1：获取历史收益率序列 r_1, r_2, ..., r_250
步骤2：将每个 r_i 乘以当前头寸价值 V_0 = 1,000,000
得到模拟损益 P_i = V_0 * r_i
步骤3：将 P_i 从小到大排序
步骤4：取第 5% 分位数（250 * 5% = 12.5，取第13个最差损失）
步骤5：VaR_95 = -P_(13) （取正数表示损失）
对于多资产组合，流程相同，只是每个历史日需要同时取所有因子的变动，重新定价整个组合。这也是历史模拟法计算量较大的原因：每个历史日都要做一次完整重估。
三、排序分位数与经验分布
历史模拟法得到的分布是经验分布，它由有限个历史情景构成，因此分位数的计算依赖排序。设N个模拟损益从小到大排列为 P_(1) ≤ P_(2) ≤ ... ≤ P_(N)，置信水平为c，则VaR对应的序号为：
k = floor((1 - c) * N)
VaR_c = -P_(k) （若k为0则取P_(1)）
例如N=500，c=99%，则k = floor(0.01 * 500) = 5，VaR取第5个最差损失。经验分布的优点是不依赖分布假设，缺点是尾部由少数极端样本决定，样本量不足时VaR估计会不稳定。
四、优缺点与适用场景
历史模拟法并非万能，它的优势与局限同样鲜明。下表做了系统对比：
| 维度 | 历史模拟法表现 |
|---|---|
| 分布假设 | 不依赖正态假设，自然反映厚尾、偏度 |
| 非线性头寸 | 支持期权等非线性工具，只需完整重估 |
| 数据要求 | 需要足够长的历史窗口，且数据质量要求高 |
| 尾部估计 | 极端分位数依赖少数样本，稳定性较差 |
| 计算成本 | 每个历史日都要重估组合，计算量较大 |
| 市场变化 | 历史窗口外的极端事件无法被捕捉 |
适用场景：组合包含期权等非线性产品、市场因子分布明显非正态、监管或内部模型允许使用历史数据、且历史窗口能覆盖代表性压力事件时，历史模拟法是首选。反之，若历史数据过短、市场结构发生断裂，或需要计算极高分位数（如99.9%），则应考虑与参数法或蒙特卡洛法结合。
五、常见误区与复盘
- 误区一：历史窗口越长越好。窗口过长会混入早已失效的市场结构，窗口过短又无法覆盖极端事件。实践中常用250～500个交易日，并配合压力测试。
- 误区二：把历史模拟法当成“无假设”。它其实隐含了“历史分布代表未来分布”的假设，这本身就是一种强假设。
- 误区三：忽略数据频率与对齐。多资产组合中，不同市场休市日不同，若不做日期对齐，会引入虚假相关性。
- 误区四：分位数取整随意。k = floor((1-c)N) 与插值方法会影响VaR数值，需在模型中固定并披露。
复盘提示：历史模拟法的VaR在极端行情后往往“跳变”，因为新加入的极端样本会显著改变左尾。回测时应关注VaR序列的稳定性，并结合Kupiec检验等工具判断模型是否仍有效。
总结来说，历史模拟法以“真实历史重演”为核心，通过全历史模拟构造经验分布，再用排序分位数提取VaR。它直观、灵活、能处理非线性，但对历史数据依赖强、尾部估计不稳定。理解这些特性，才能在后续与参数法、蒙特卡洛法的对比中做出正确选择。