3. 组合风险度量：方差、标准差、VaR、CVaR、跟踪误差、信息比率

在量化投资与金融风控中，组合风险度量是连接底层资产配置与上层决策优化的桥梁。不同的风险度量指标从不同维度刻画组合的不确定性、尾部损失以及相对基准的表现。本节系统梳理六大核心指标的定义、数学表达、适用场景及相互关联。

3.1 方差与标准差：波动率基础

方差（Variance）衡量组合收益围绕其期望值的离散程度，是最经典的风险度量。标准差（Standard Deviation）是方差的平方根，与收益同量纲，更直观地反映“波动率”。

指标 数学定义 核心含义 适用场景
方差 σ² = E[(Rp − μp)²] 收益偏离均值的平方期望 马科维茨均值-方差优化、风险预算
标准差 σ = √σ² 收益波动的绝对幅度 风险因子映射、波动率目标策略
SQL 实现要点： 在流式数据中，方差需使用 Welford 在线算法或窗口聚合函数（如 VAR_POP / STDDEV_POP）逐行更新，避免全量重算。

3.2 VaR 与 CVaR：尾部风险度量

VaR（Value at Risk，在险价值）在给定置信水平 α 下，定义组合在持有期内可能的最大损失。CVaR（Conditional VaR，条件在险价值）则衡量损失超过 VaR 时的平均损失，弥补 VaR 不满足次可加性的缺陷。

  • VaRα：P(Rp ≤ −VaR) = 1 − α。常用置信水平 95% 或 99%。
  • CVaRα：E[−Rp | −Rp ≥ VaRα]。始终 ≥ VaRα，且满足一致性风险度量公理。
实践提示： 在 SQL 中计算历史模拟法 VaR 时，可使用 PERCENTILE_CONT 或 NTILE 分桶；CVaR 则需对尾部样本做条件聚合。流式场景下推荐使用指数加权分位数估计（EWQ）降低存储开销。

3.3 跟踪误差与信息比率：相对风险与收益

跟踪误差（Tracking Error, TE）衡量组合收益与基准收益之间差异的波动率。信息比率（Information Ratio, IR）则衡量单位主动风险带来的超额收益。

指标 公式 解读
跟踪误差 TE = σ(Rp − Rb) 主动偏离的波动幅度，越小代表组合越紧密跟踪基准
信息比率 IR = (μp − μb) / TE 单位主动风险获得的超额收益，IR > 0.5 通常视为优秀
避坑提醒： 跟踪误差计算需使用日频或更高频的主动收益序列，避免使用低频数据导致 TE 被低估。信息比率的分母为 0 时（完全复制基准），IR 无定义，需做异常值保护。

3.4 风险度量体系总览

下图展示六大风险度量指标在组合风险归因中的层级关系与数据流向：

组合风险度量体系结构图 组合风险度量体系 组合收益序列 Rp 绝对风险度量 相对风险度量 方差 / 标准差 VaR / CVaR 跟踪误差 信息比率 说明：绝对风险度量组合自身波动与尾部损失；相对风险度量组合与基准的偏离程度。 流式决策中需同时维护两类指标，以支持主动管理与风险预算的实时调整。

3.5 流式决策中的风险度量选择

在流式决策框架下，不同风险度量指标的计算复杂度与更新频率差异显著。下表对比各指标在流式环境中的适用性：

指标 流式更新复杂度 窗口依赖 推荐场景
方差 / 标准差 O(1)（Welford 算法） 全量或衰减窗口 波动率目标、风险平价
VaR（历史模拟） O(log N)（有序结构） 滚动窗口 压力测试、监管报告
CVaR O(K)（K 为尾部样本数） 滚动窗口 尾部风险对冲、优化约束
跟踪误差 O(1)（增量更新） 衰减窗口 指数增强、被动管理
信息比率 O(1)（需同时维护均值与方差） 衰减窗口 绩效归因、基金经理评价

3.6 风险度量之间的数学关联

理解各指标的内在联系有助于构建统一的风险归因框架：

  • 方差 → 标准差： 单调变换，标准差更直观。
  • 标准差 → VaR（正态假设）： VaR95% ≈ 1.645 × σ，VaR99% ≈ 2.326 × σ。
  • VaR → CVaR（正态假设）： CVaRα = σ × φ(Φ⁻¹(α)) / (1 − α)，其中 φ 为标准正态密度函数。
  • 跟踪误差 → 信息比率： IR 是跟踪误差归一化后的超额收益，两者构成主动管理的“风险-收益”对。
SQL 流式实现示例： 以下代码展示使用窗口函数同时计算组合收益的滚动标准差与 VaR（历史模拟法，95% 置信水平）。 
WITH rolling_stats AS (
  SELECT
    ts,
    portfolio_return,
    STDDEV_SAMP(portfolio_return) OVER (
      ORDER BY ts ROWS BETWEEN 252 PRECEDING AND CURRENT ROW
    ) AS rolling_std,
    PERCENTILE_CONT(0.05) WITHIN GROUP (ORDER BY portfolio_return) OVER (
      ORDER BY ts ROWS BETWEEN 252 PRECEDING AND CURRENT ROW
    ) AS var_95
  FROM portfolio_returns
)
SELECT
  ts,
  portfolio_return,
  ROUND(rolling_std, 4) AS std_dev,
  ROUND(-var_95, 4) AS VaR_95
FROM rolling_stats
WHERE ts >= '2024-01-01';

通过上述六种风险度量指标的组合使用，量化风控系统可以在流式环境中同时监控组合的绝对波动、尾部风险以及相对基准的主动偏离，为后续的风险归因与动态再平衡提供实时输入。

← 上一章 📖 返回目录 下一章 →