1. VaR 基础概念

1.1 VaR 的定义

风险价值(Value at Risk,VaR)是在正常市场条件下,给定置信水平和持有期内,金融资产或组合可能遭受的最大预期损失。VaR 将多维风险暴露浓缩为一个单一货币数字,成为业界衡量市场风险的标准工具。

核心思想:“在 95% 的置信水平下,未来 1 天的 VaR 为 100 万元”意味着:在正常市场条件下,只有 5% 的概率单日损失会超过 100 万元。

1.2 置信水平与持有期

VaR 的两个关键参数决定了其统计含义和实际应用场景:

参数 典型取值 含义 低延迟环境考量
置信水平 95%、99%、99.9% 损失不超过 VaR 值的概率 置信水平越高,尾部数据需求越大,计算延迟越高
持有期 1 天、10 天、1 个月 风险暴露的时间窗口长度 持有期越短,对数据频率和计算速度要求越高
低延迟实践:日内高频交易场景通常使用 99% 置信水平、1 小时或 1 天持有期,以平衡统计可靠性与计算速度。

1.3 VaR 的数学表达

设组合在持有期 Δt 内的损益为随机变量 L,其累积分布函数为 FL(l)。在置信水平 α 下,VaR 定义为损失分布的分位数:

VaR_α = inf{ l ∈ ℝ : P(L > l) ≤ 1 - α }
       = F_L^{-1}(α)

其中:

  • α:置信水平(如 0.95、0.99)
  • L:持有期内的损失(正数表示损失)
  • FL-1(α):损失分布的 α 分位数

若假设组合收益率服从正态分布 N(μ, σ²),VaR 可简化为参数形式:

VaR_α = -(μ · Δt + σ · √Δt · z_α)

其中 zα 为标准正态分布的 α 分位数(如 z0.95 ≈ 1.645,z0.99 ≈ 2.326)。

1.4 VaR 的三种计算方法对比

方法 原理 计算速度 低延迟适用性
参数法(方差-协方差) 假设收益率服从正态分布,利用协方差矩阵解析计算 极快 ★★★★★ 最适合
历史模拟法 直接使用历史损益排序取分位数 中等 ★★★☆☆ 需优化
蒙特卡洛模拟法 随机生成大量场景,统计损益分布 慢 ★☆☆☆☆ 不推荐
低延迟关键约束:蒙特卡洛模拟在毫秒级交易系统中几乎不可行;参数法因解析解特性成为低延迟 VaR 计算的首选,但需注意正态性假设在极端市场下的失效风险。
VaR 概念体系与计算流程 风险价值 VaR 置信水平 α 持有期 Δt VaRα = FL-1(α) (分位数定义) 参数法(解析解) 历史模拟法 蒙特卡洛模拟 低延迟首选:参数法 低延迟环境需在统计精度与计算速度之间取得平衡,参数法因解析解特性成为首选

1.5 低延迟环境下的 VaR 关键特征

  • 计算时效性:VaR 必须在毫秒级内完成更新,通常采用增量式更新而非全量重算
  • 参数简化:使用指数加权移动平均(EWMA)或 GARCH 模型快速估计波动率
  • 预计算分位数:将正态分布分位数表预加载到内存,避免运行时调用统计库函数
  • 协方差矩阵稀疏化:对大规模组合,只保留显著风险因子间的协方差项
低延迟 VaR 计算黄金法则:尽可能将计算转化为矩阵乘法和查表操作,避免排序、循环和随机数生成。