3. 金融时间序列数据特性：自相关性、波动率聚集、厚尾分布对样本构建的影响
金融时间序列并非独立同分布（i.i.d.）的随机游走，而是具有显著的结构性特征。这些特征直接影响VaR模型训练集的样本构建与切分策略。若忽视这些特性，将导致模型参数估计有偏、风险度量失真。
3.1 三大核心特性及其对样本构建的挑战
| 特性 | 定义 | 对样本构建的挑战 |
|---|---|---|
| 自相关性 | 当前收益率与历史收益率之间存在统计依赖，表现为序列相关。 | 简单随机抽样会破坏时间依赖结构，导致模型低估序列的持续性风险。 |
| 波动率聚集 | 高波动期与低波动期交替出现，波动率具有正自相关。 | 等权重切分会使训练集与测试集的波动环境不匹配，模型泛化能力差。 |
| 厚尾分布 | 极端收益出现的概率高于正态分布预测，尾部更厚。 | 样本量不足时，尾部极端事件被低估，VaR估计偏小，风险暴露不足。 |
核心原则： 金融时间序列的样本构建必须保留时序依赖关系，不能采用独立同分布假设下的随机抽样或简单留出法。
3.2 自相关性对样本切分的影响
自相关性意味着当前收益率 rt 与滞后项 rt-k 存在线性或非线性依赖。在VaR建模中，若使用历史模拟法或GARCH类模型，自相关性会导致以下问题：
- 信息泄漏： 若训练集与测试集在时间上交错（如随机打乱），模型会“看到”未来的信息，造成过拟合。
- 参数估计偏误： 自相关残差会使方差估计有偏，影响VaR分位数的计算。
- 回测失效： 违反独立性假设的回测结果不可靠，无法正确评估模型表现。
实操建议： 对于自相关显著的序列（如高频数据），应使用滚动窗口或扩展窗口切分，确保训练集始终在测试集之前，且窗口内保持原始时间顺序。
3.3 波动率聚集与样本窗口选择
波动率聚集是金融时间序列最典型的特征之一。下图展示了波动率聚集对训练集构建的影响：
常见错误： 使用固定长度窗口（如250天）时，若窗口恰好落在低波动期，模型会低估风险；若落在高波动期，则高估风险。建议使用波动率自适应窗口，根据当前波动率水平动态调整训练集长度。
3.4 厚尾分布与样本量要求
厚尾分布意味着极端事件发生的概率远高于正态分布。这对VaR模型训练集的样本量提出了更高要求：
- 分位数估计的稳定性： 对于99% VaR，理论上需要至少100个独立观测才能获得一个尾部样本点。实际中，由于厚尾和自相关，建议样本量至少为 1000 ~ 2500 个交易日。
- 极端值的影响： 单个极端值可能显著改变历史模拟法的VaR估计值，导致模型不稳定。
- 分布假设检验： 厚尾分布下，正态假设的VaR会系统性低估风险，必须使用t分布、GED分布或极值理论（EVT）进行修正。
3.5 综合样本构建策略
结合上述三大特性，推荐以下样本构建与切分策略：
- 时序保留切分： 严格按时间顺序划分训练集、验证集、测试集，禁止随机打乱。
- 波动率分层切分： 根据历史波动率将数据分为高波动和低波动区间，确保训练集和测试集都包含两种状态。
- 滚动窗口验证： 使用滚动时间窗口进行回测，评估模型在不同市场环境下的稳定性。
- 样本量充足性检查： 确保训练集包含足够的尾部事件，必要时使用自助法（Bootstrap）或合成数据扩充样本。
总结： 金融时间序列的自相关性要求保留时序顺序，波动率聚集要求窗口覆盖完整周期，厚尾分布要求充足样本量。三者共同决定了VaR模型训练集的构建必须采用时序感知、波动率自适应、样本量充足的切分策略。