1. VaR模型概述：定义、历史背景与核心作用
1.1 什么是VaR？——风险管理的“一句话答案”
Value at Risk（VaR，风险价值） 是指在正常的市场条件下，给定置信水平和持有期，某一金融资产或投资组合可能遭受的最大预期损失。它用一个数字回答了管理层最关心的问题：“我们最多会亏多少钱？”
VaR 的标准定义公式：
其中 ΔV 为组合价值变化，α 为置信水平（通常取 95% 或 99%），持有期通常为 1 天或 10 天。
P(ΔV ≤ -VaR) = 1 - α其中 ΔV 为组合价值变化，α 为置信水平（通常取 95% 或 99%），持有期通常为 1 天或 10 天。
举例说明： 某投资组合的 1 天 95% VaR = 100 万元，意味着：在正常市场条件下，该组合有 95% 的把握，未来 1 天的损失不会超过 100 万元；或者说，每 100 个交易日中，只有约 5 天的损失会超过 100 万元。
1.2 VaR 的历史背景：从“黑箱”到行业标准
| 时间 | 事件 | 意义 |
|---|---|---|
| 1980s 末 | 所罗门兄弟公司（Salomon Brothers）内部开始使用“风险价值”概念 | VaR 雏形出现，用于债券交易台的风险度量 |
| 1994 年 | J.P. Morgan 公开发布 RiskMetrics 技术文档 | VaR 方法论首次向全行业公开，成为量化风控的里程碑 |
| 1996 年 | 巴塞尔委员会修订《资本协议》，纳入 VaR 作为市场风险资本计量的标准方法 | VaR 从学术工具正式成为监管合规的核心指标 |
| 2000s 至今 | VaR 扩展至信用风险、操作风险、流动性风险领域 | 成为全球金融机构风险管理的“通用语言” |
关键转折点： 1995 年巴林银行因尼克·李森违规交易导致 14 亿美元亏损而破产，这一事件直接推动了 VaR 从“可选工具”变为“强制要求”。监管层意识到：必须有一个统一的、可比较的风险量化标准。
1.3 VaR 在风险管理中的核心作用
VaR 之所以成为现代风险管理的基石，是因为它在以下四个维度提供了不可替代的价值：
- 统一度量标准： 将不同资产、不同市场的风险统一为一个数字（如“100 万元”），便于横向比较和汇总。
- 资本配置依据： 监管机构（如巴塞尔委员会）直接使用 VaR 计算市场风险资本要求，银行据此分配经济资本。
- 风险限额设定： 交易台、基金经理的每日/每周亏损上限通常直接绑定 VaR 限额。
- 绩效评估调整： 通过 RAROC（风险调整资本回报率） 等指标，将 VaR 纳入收益-风险权衡框架。
1.4 VaR 计算的三类核心方法
| 方法 | 核心逻辑 | 优点 | 缺点 |
|---|---|---|---|
| 参数法（方差-协方差法） | 假设收益率服从正态分布，利用均值、方差和协方差矩阵计算 VaR | 计算速度快，适合大规模组合 | 对厚尾分布估计不足，极端风险低估 |
| 历史模拟法 | 直接使用历史收益率数据的分位数作为 VaR 估计 | 无需分布假设，能捕捉真实市场行为 | 依赖历史数据长度，对结构性变化不敏感 |
| 蒙特卡洛模拟法 | 通过随机模拟生成大量价格路径，计算损失分布的分位数 | 可处理复杂衍生品和非线性风险 | 计算成本高，模型风险较大 |
重要提醒： 无论采用哪种方法，训练集的样本构建与切分 都直接决定 VaR 模型的稳定性和预测能力。历史窗口长度、数据频率、异常值处理、时间序列切分策略——这些实操细节将在后续章节逐一展开。
1.5 VaR 的核心概念关系图
下图展示了 VaR 在风险管理体系中的位置，以及它与关键要素之间的逻辑关系：
1.6 为什么样本构建与切分对 VaR 至关重要？
VaR 模型本质上是一个基于历史数据推断未来损失分布的统计工具。训练集的质量直接决定了模型能否准确捕捉市场风险特征。以下是样本构建中的三个核心挑战：
- 窗口长度选择： 太短（如 1 年）无法捕捉完整市场周期；太长（如 10 年）可能包含过时的市场结构信息。
- 数据频率权衡： 日频数据噪声大但样本多；周频/月频数据更平滑但样本量不足。
- 时间序列切分： 传统随机切分会破坏时间依赖性，必须采用 时间序列交叉验证 或 滚动窗口 策略。
本课程核心目标： 从实操角度出发，系统讲解 VaR 模型训练集的样本构建原则、数据清洗方法、时间序列切分策略，以及不同切分方法对 VaR 回测结果的影响。你将学会如何构建一个“既不过拟合、又不欠拟合”的 VaR 训练集。