📚 课程目录第2章风险计量基础

风险计量基础：VaR、ES、波动率等核心风险指标的定义、计算逻辑与业务含义

在历史模拟法（Historical Simulation）的框架下，风险计量并非凭空构建模型假设，而是直接基于历史收益分布来刻画未来风险。理解VaR（在险价值）、ES（期望损失）与波动率（Volatility）三大核心指标，是掌握历史模拟法的前提。这三者分别回答了三个不同层次的问题：“最坏情况下我会亏多少？”、“一旦发生极端亏损，平均会亏多少？”以及“资产价格的波动幅度有多大？”。本章将深入剖析三者的定义、计算逻辑、业务含义及其在历史模拟法中的具体应用，帮助学员建立从“指标计算”到“风险管理决策”的完整桥梁。

2.1 VaR（Value at Risk）：在险价值的核心原理与计算逻辑

核心原理：从“不确定性”到“量化边界”

VaR的定义可以简洁地表述为：在给定的置信水平（如95%或99%）和持有期（如1天或10天）内，投资组合可能遭受的最大损失。其数学本质是收益分布的分位数。例如，95%置信水平下的日VaR为100万元，意味着在正常的市场条件下，有95%的把握认为明天的损失不会超过100万元；反过来说，有5%的可能性损失会超过100万元。VaR的核心价值在于将复杂的风险状况压缩为一个直观的货币金额，便于管理层理解和决策。

  关键公式：VaRα = -Quantileα(R)，其中R为投资组合的收益率序列，α为置信水平（如0.95）。在历史模拟法中，我们直接对历史收益率排序，取第(1-α)×N个位置的数值（N为历史样本数），再乘以当前组合市值即可得到VaR金额。

判断方法与操作流程：历史模拟法下的VaR计算

数据准备：收集投资组合中每个资产的历史价格或收益率数据，时间跨度应覆盖至少1-2个完整市场周期（建议250-500个交易日）。
组合收益率序列构建：根据当前持仓权重，计算每个历史时点的组合加权收益率。注意需考虑资产间的相关性，历史模拟法天然包含了历史相关性。
排序与分位数提取：将组合历史收益率从小到大排序，找到对应置信水平的分位点。例如，若有1000个历史收益样本，95%置信水平对应第50个最小的收益值（即第5%分位数）。
金额转换：将分位收益率乘以当前组合市值，得到VaR金额。

案例拆解：某股票组合的日VaR计算

假设某投资组合当前市值为1亿元，持有两只股票A和B，权重各50%。我们收集了过去500个交易日的日收益率数据，通过加权计算得到500个组合日收益率。将这500个收益率从小到大排序，第25个（即500×5%=25）最小的收益率为-2.3%。那么，在95%置信水平下，该组合的日VaR为：1亿 × 2.3% = 230万元。这意味着，在正常市场条件下，该组合有95%的把握单日最大损失不超过230万元。

常见误区：VaR不满足次可加性（Subadditivity），即组合的VaR可能大于各资产VaR之和，这违背了风险分散化的直觉。因此，在计算组合VaR时，不能简单地将各资产的VaR相加，而必须基于组合的整体收益分布来计算。

2.2 ES（Expected Shortfall）：期望损失的深层风险度量

核心原理：捕捉尾部风险的“平均损失”

ES，又称条件VaR（CVaR），衡量的是当损失超过VaR阈值时的平均损失程度。以95%置信水平为例，VaR告诉我们“最坏5%情况下的最大损失”，而ES则告诉我们“这最坏5%情况下的平均损失是多少”。ES弥补了VaR的两个关键缺陷：一是VaR无法反映尾部损失的严重程度（即尾部风险）；二是VaR不满足次可加性，而ES满足，因此ES是一致性风险度量（Coherent Risk Measure）。

  关键公式：ESα = E[ R | R ≤ -VaRα ]，即所有损失超过VaR阈值的收益率的算术平均值。在历史模拟法中，ES的计算步骤为：先找到VaR对应的分位点，然后计算所有小于该分位点的收益率的平均值。

操作流程：从VaR到ES的延伸

按照前述方法计算出VaR的分位点位置。
选取所有位于VaR左侧（即损失更大）的历史收益率样本。
计算这些样本的简单算术平均值（或按时间加权平均值）。
将该平均收益率乘以组合市值，得到ES金额。

实战场景：压力测试中的ES应用

在银行压力测试中，监管机构通常要求同时报告VaR和ES。例如，某交易账户的99%日VaR为500万元，但ES可能达到800万元。这意味着，一旦发生极端损失，平均损失将比VaR高出60%。这一信息对于设定风险限额和资本缓冲至关重要。若仅关注VaR，管理层可能低估极端情况下的资金需求。

经验提醒：ES对尾部样本数量敏感。当历史样本量不足时，ES的估计误差会显著增大。建议在计算ES时，至少保证尾部样本数不少于30个，否则应考虑使用极值理论（EVT）进行补充。

2.3 波动率（Volatility）：风险计量的基石

核心原理：收益率的离散程度与不确定性

波动率是衡量资产收益率变动幅度的统计指标，通常用收益率的标准差（或年化标准差）来表示。它反映了资产价格的不确定性：波动率越高，价格上下波动的范围越大，风险越高。在历史模拟法中，波动率不仅是一个独立的风险指标，更是VaR和ES计算的基础参数。例如，在参数法（如方差-协方差法）中，VaR直接由波动率和置信水平决定；而在历史模拟法中，波动率的变化会影响历史收益率的分布形态。

计算逻辑：从日波动率到年化波动率

日波动率：计算历史日收益率的标准差，公式为 σ_daily = √( Σ(R_t - R̄)² / (N-1) )，其中R_t为第t日收益率，R̄为平均收益率，N为样本数。
年化波动率：σ_annual = σ_daily × √252（假设一年有252个交易日）。年化波动率便于不同资产间的横向比较。
波动率聚类（Volatility Clustering）：金融时间序列常表现出“大波动后跟大波动，小波动后跟小波动”的现象。历史模拟法若直接使用全样本，可能低估近期风险；因此，实践中常采用指数加权移动平均（EWMA）或GARCH模型来动态估计波动率。

案例拆解：波动率在风险预算中的应用

假设某资产管理公司管理一个多资产组合，目标年化波动率为10%。当前组合的实际年化波动率为14%，超出目标。通过分析各资产的边际波动率贡献（即增加1%权重对组合波动率的影响），发现商品期货的边际贡献最大。于是，公司将商品期货的权重从20%下调至10%，同时增加债券权重，最终将组合波动率降至10.5%。这一过程体现了波动率作为风险预算工具的核心作用。

常见误区：历史波动率是向后看的，无法预测未来的波动率突变。在历史模拟法中，若历史时期包含异常平静期，可能会低估当前风险；反之，若包含危机期，则可能高估。建议结合隐含波动率（如VIX指数）进行交叉验证。

2.4 三大指标对比与业务应用总结

对比维度	VaR（在险价值）	ES（期望损失）	波动率（Volatility）
定义	给定置信水平下的最大损失	损失超过VaR的尾部均值	收益率的离散程度（标准差）
计算逻辑	历史分布的分位数	尾部损失的平均值	收益率的标准差
风险覆盖	覆盖大部分情况，忽略尾部	覆盖尾部风险，更保守	反映整体波动，不区分方向
数学性质	不满足次可加性	满足次可加性（一致性）	满足次可加性
业务用途	资本充足率、限额管理	压力测试、尾部风险监控	风险预算、衍生品定价、绩效评估
历史模拟法中的角色	直接输出结果	直接输出结果	辅助验证模型稳定性

  总结复盘：在历史模拟法的框架下，VaR、ES和波动率三者相辅相成。VaR提供了直观的风险上限，ES弥补了尾部风险的盲区，而波动率则是理解整个风险分布的基础。实际应用中，建议同时计算三个指标，并定期进行回溯测试（Backtesting），以验证模型的准确性。若VaR被频繁突破，或ES与VaR的比值异常放大，均提示模型需要调整或市场环境发生结构性变化。