3. VaR的基本概念：置信水平、持有期、损失分布、VaR与相对VaR的数学定义及经济含义
风险价值（Value at Risk, VaR）是现代金融风险管理的基石工具，其核心思想是用一个简洁的数字回答一个复杂的问题：“在给定的持有期内，我的投资组合最坏情况下可能亏多少？”然而，这个“最坏情况”并非意义上的最大损失，而是基于统计置信水平的一个分位数估计。要准确理解并运用VaR，必须首先厘清其四大支柱：置信水平、持有期、损失分布形态，以及VaR与相对VaR的数学定义与经济含义。本章将逐一拆解这些概念，并揭示它们在实际风险管理决策中的联动关系。
3.1 置信水平：风险容忍度的统计表达
核心原理：置信水平（Confidence Level）是VaR定义中最重要的主观参数，记为 (1-α)，其中 α 为显著性水平。它表示在给定持有期内，实际损失不超过VaR值的概率。例如，95%置信水平意味着有95%的把握认为最大损失不会超过VaR值，而5%的概率可能突破该值。置信水平并非越高越好——它直接决定了VaR数值的大小，也反映了机构的风险偏好与资本充足要求。
| 置信水平 | α (显著性水平) | z_α (标准正态分位数) | 典型应用场景 |
|---|---|---|---|
| 90% | 10% | 1.282 | 内部风险限额、交易台日常监控 |
| 95% | 5% | 1.645 | 商业银行内部模型、基金风险披露 |
| 99% | 1% | 2.326 | 巴塞尔协议市场风险资本计量 |
| 99.9% | 0.1% | 3.090 | 信用风险、操作风险高级计量法 |
判断方法：选择置信水平需权衡两个维度：其一，监管合规要求（如巴塞尔协议规定市场风险VaR采用99%置信水平、10天持有期）；其二，模型验证的统计可靠性——置信水平越高，突破VaR的样本事件越少，回测（Backtesting）的统计功效越低。实际操作中，机构常同时计算多个置信水平的VaR，形成“风险仪表盘”。
3.2 持有期：风险的时间维度
核心原理：持有期（Holding Period）是计算VaR的时间窗口，记为 Δt。它决定了风险度量的时间跨度，直接影响波动率的缩放。在独立同分布（i.i.d.）假设下，若日收益率标准差为 σ，则 Δt 天收益率标准差为 σ√Δt。持有期越长，VaR值越大，但并非线性增长——平方根法则（Square Root Rule）是核心缩放逻辑。
操作流程：确定持有期需考虑三个因素：
- 资产流动性：持有期应不小于将头寸平仓或对冲所需的最长时间。例如，大盘蓝筹股可取1天，而私募股权或房地产可能需1年。
- 业务性质：交易台通常用1天持有期进行日常监控；资产管理机构用10天或1个月评估组合风险；监管机构则规定10天（巴塞尔协议）。
- 数据可得性：持有期越长，所需历史数据窗口越长。若用1年持有期，至少需要10年以上的日度数据才能保证统计显著性。
3.3 损失分布：VaR的统计基础
核心原理：损失分布是VaR计算的“原材料”。设投资组合在持有期 Δt 内的收益率为 R，则损失 L = -V₀·R（V₀为期初价值）。VaR本质上是损失分布的分位数：VaR_α = inf{ l ∈ ℝ : P(L > l) ≤ α }，即损失超过VaR的概率不超过 α。损失分布可以是参数化的（如正态分布、t分布），也可以是非参数化的（历史模拟法），或半参数化的（极值理论）。
分布形态的关键影响：金融收益率普遍具有“尖峰厚尾”特征——与正态分布相比，极端值出现概率更高。若错误假设正态分布，VaR将系统性低估尾部风险。下表对比了不同分布假设下的VaR差异：
| 分布假设 | 99% VaR (z值) | 特点 | 适用场景 |
|---|---|---|---|
| 正态分布 | 2.326σ | 计算简便，但低估尾部 | 流动性好、历史波动平稳的资产 |
| t分布 (df=5) | 3.365σ | 厚尾，更贴合实际 | 股票、加密货币等厚尾资产 |
| 历史模拟 | 经验分位数 | 无分布假设，直接使用历史数据 | 复杂衍生品、非线性组合 |
| 极值理论 (GEV) | 尾部外推 | 专注极端尾部，需阈值选择 | 压力测试、极端风险度量 |
3.4 VaR与相对VaR：两种基准的数学定义与经济含义
核心原理：VaR（Absolute VaR）和相对VaR（Relative VaR）的区别在于比较基准不同。设投资组合期初价值为 V₀，持有期 Δt 内的期望收益率为 μΔt，收益率标准差为 σ√Δt，则：
VaR: VaR_abs = V₀ × (z_α × σ√Δt - μΔt)
相对VaR: VaR_rel = V₀ × z_α × σ√Δt经济含义对比：
- VaR衡量的是“以当前价值为基准，最坏情况下可能亏损的金额”。它包含了期望收益的补偿——若组合预期盈利，VaR会相应减小。适用于衡量“今天亏多少会触发警报”的场景。
- 相对VaR衡量的是“相对于期望收益，最坏情况下偏离多少”。它剔除了期望收益的影响，纯粹度量不确定性风险。适用于绩效评估——基金经理即使预期盈利，其偏离基准的风险也需单独度量。
案例拆解：假设某债券组合 V₀ = 5000万元，日期望收益率 μ = 0.05%（年化约12.5%），日波动率 σ = 0.8%。在95%置信水平下：
| 指标 | 计算公式 | 数值 | 解读 |
|---|---|---|---|
| VaR | 5000万 × (1.645×0.8% - 0.05%) | 53.3万元 | 有95%把握单日亏损不超过53.3万元 |
| 相对VaR | 5000万 × 1.645 × 0.8% | 65.8万元 | 有95%把握收益偏离期望不超过65.8万元 |
| 期望收益 | 5000万 × 0.05% | +2.5万元 | 平均每日盈利2.5万元 |
两者差值恰好等于期望收益（65.8 - 53.3 = 12.5万元？此处修正：实际差值为 65.8 - 53.3 = 12.5万元，而期望收益为2.5万元，差异源于公式中μΔt的系数——VaR中μΔt被减去，相对VaR中不包含μΔt，因此差值 = V₀ × μΔt = 5000万 × 0.05% = 2.5万元。上表数值需修正：VaR = 5000万×(1.645×0.8% - 0.05%) = 5000万×(0.01316 - 0.0005) = 5000万×0.01266 = 63.3万元；相对VaR = 5000万×1.645×0.8% = 65.8万元；差值 = 2.5万元。修正后表格如下：
| 指标 | 计算公式 | 数值 | 解读 |
|---|---|---|---|
| VaR | 5000万 × (1.645×0.8% - 0.05%) | 63.3万元 | 有95%把握单日亏损不超过63.3万元 |
| 相对VaR | 5000万 × 1.645 × 0.8% | 65.8万元 | 有95%把握收益偏离期望不超过65.8万元 |
| 期望收益 | 5000万 × 0.05% | +2.5万元 | 平均每日盈利2.5万元 |
决策应用：若该组合属于自营交易部门，监管资本要求基于VaR（63.3万元）；若用于基金经理绩效考核，应使用相对VaR（65.8万元），因为它剔除了市场上涨带来的“虚假安全”。当 μ 为负时（如做空策略），VaR会大于相对VaR，此时VaR更能反映真实风险敞口。
3.5 参数联动与实务选择框架
核心原理：置信水平、持有期、损失分布和VaR类型并非独立参数，它们共同决定了VaR的数值与可靠性。实务中，机构需根据业务场景建立“参数矩阵”：
| 业务场景 | 置信水平 | 持有期 | 分布假设 | VaR类型 |
|---|---|---|---|---|
| 交易台日间监控 | 95% | 1天 | 历史模拟 | 相对VaR |
| 巴塞尔市场风险资本 | 99% | 10天 | 参数法(正态/EWMA) | VaR |
| 保险偿付能力监管 | 99.5% | 1年 | 极值理论 | VaR |
| 基金风险披露 | 95% | 1个月 | 蒙特卡洛模拟 | 相对VaR |
操作流程：构建VaR参数框架的五个步骤：
- 明确管理目标：是满足监管、内部限额，还是绩效评估？
- 确定持有期：基于资产流动性和业务周期。
- 选择置信水平：参考监管要求与风险偏好。
- 检验分布假设：对历史收益率做正态性检验（Jarque-Bera）、厚尾检验（Q-Q图）。
- 计算并回测：用Kupiec检验验证VaR模型的准确性。