1. VaR 基础概念
1.1 风险价值（VaR）的定义
风险价值（Value at Risk，VaR）是金融风险管理中最核心的量化指标之一。它回答一个简单但关键的问题：在给定的置信水平和持有期内，一项资产或投资组合可能遭受的最大预期损失是多少？
VaR 并非预测实际损失，而是基于历史数据或统计分布，在正常市场条件下对尾部风险的概率化度量。它用一个数字概括了市场风险暴露程度，被巴塞尔协议、金融机构内部风控和监管报告广泛采用。
核心理解： VaR 不是“最坏情况损失”，而是“在正常市场条件下，给定概率水平下的最大可能损失”。极端市场事件（如金融危机）往往超出 VaR 模型的预测范围。
1.2 置信水平与持有期
VaR 的完整定义依赖两个关键参数：置信水平（Confidence Level）和持有期（Holding Period）。
| 参数 | 定义 | 典型取值 | 对 VaR 的影响 |
|---|---|---|---|
| 置信水平 | 损失不超过 VaR 值的概率 | 95%、99%、99.9% | 置信水平越高，VaR 值越大（尾部更极端） |
| 持有期 | 计算 VaR 的时间窗口长度 | 1 天、10 天、1 个月 | 持有期越长，VaR 值通常越大（时间扩散效应） |
置信水平反映了风险容忍度。例如，99% 置信水平意味着在 100 个交易日中，预期只有 1 天的实际损失会超过 VaR 值。监管机构通常要求更高的置信水平（如 99.9%）以覆盖极端尾部风险。
持有期取决于资产流动性和风险管理目标。对于高流动性交易组合，通常使用 1 天持有期；对于投资组合或监管报告，巴塞尔协议建议使用 10 天持有期。持有期越长，收益率的波动性因时间累积而增大，VaR 值也随之上升。
实践要点： 在低延迟流式决策场景中，持有期通常缩短至分钟级甚至秒级，置信水平则根据策略风险偏好动态调整。这是后续章节讨论流式 VaR 归因的基础。
1.3 VaR 的数学表达式
VaR 的数学定义基于投资组合在持有期内的损失分布。设投资组合在持有期 Δt 内的损失随机变量为 L（正值表示损失），则置信水平 α 下的 VaR 定义为：
VaR_α = inf{ l ∈ ℝ : P(L ≤ l) ≥ α }即 VaR 是损失分布 α 分位数对应的损失值。更直观地，若损失分布函数为 FL(l)，则：
VaR_α = FL-1(α)对于正态分布假设下的参数法，VaR 可简化为：
VaR_α = μ + σ · Φ-1(α)其中：
- μ 为持有期内的预期损失（通常假设为 0 或很小）
- σ 为持有期内收益率的标准差
- Φ-1(α) 为标准正态分布的 α 分位数（如 99% 对应约 2.326）
注意： 正态假设在金融收益率序列中往往不成立（存在厚尾、偏斜）。实际低延迟系统中，常使用历史模拟法或蒙特卡洛模拟，并配合极值理论（EVT）修正尾部。
1.4 VaR 概念关系图
下图展示了 VaR 定义中置信水平、持有期与损失分布之间的核心关系：
1.5 三种主要计算方法对比
VaR 的计算方法直接影响低延迟系统的实现复杂度与精度。下表对比了三种主流方法：
| 方法 | 原理 | 优点 | 缺点 | 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，利用均值、方差和分位数计算 | 计算极快，仅需 O(n) 复杂度 | 正态假设不成立，低估尾部风险 | 高（适合流式场景） |
| 历史模拟法 | 直接使用历史收益率排序，取分位数 | 无分布假设，保留真实尾部特征 | 需要大量历史数据，计算 O(n log n) | 中（需优化排序算法） |
| 蒙特卡洛模拟 | 随机生成大量路径，统计损失分布 | 可处理复杂衍生品和非线性风险 | 计算量大，收敛速度慢 | 低（通常离线使用） |
低延迟决策启示： 在流式 VaR 归因系统中，参数法因其计算效率成为首选，但必须配合尾部修正（如 Cornish-Fisher 展开或极值理论）以弥补正态假设的不足。历史模拟法可通过增量更新和分位数近似算法（如 t-digest）实现流式化。
1.6 本章小结
- VaR 定义： 给定置信水平和持有期下的最大可能损失，是风险管理的标准化度量。
- 置信水平： 决定尾部概率的宽度，越高越保守；持有期： 决定时间窗口长度，越长风险暴露越大。
- 数学表达： VaR 本质上是损失分布的 α 分位数，参数法下可简化为 μ + σ·Φ-1(α)。
- 计算方法： 参数法最快但假设强，历史模拟法真实但计算重，蒙特卡洛法灵活但速度慢。
- 流式视角： 低延迟系统需在计算效率与精度之间权衡，后续章节将深入流式 VaR 归因与增量更新技术。