4. 历史模拟法VaR详解：历史数据排序、分位数选取、优缺点分析、与参数法对比
历史模拟法（Historical Simulation, HS）是计算VaR最直观的非参数方法。它不假设收益率服从任何特定分布，而是直接利用历史数据中实际发生的损益序列来推断未来风险。本章将深入剖析其核心步骤、关键参数选取、优劣边界，并与参数法进行系统对比。
4.1 核心计算流程：三步法
历史模拟法的计算逻辑可归纳为三个步骤：收集历史损益 → 排序 → 取分位数。
- 收集并计算历史损益序列：选取过去N个交易日（如250天或500天）的资产价格或收益率数据，计算每日的损益（P&L）或收益率。
- 排序：将N个历史损益值按从小到大的顺序排列，形成经验分布。
- 选取分位数：根据置信水平（如95%或99%），找到排序后对应位置的损益值，该值即为VaR估计。
关键公式：
对于置信水平 α（如99%），VaR = 排序后第 (1-α) × N 个最小的损益值。
例如：N=500，α=99%，则取排序后第 5 个最小的损益值（500 × 1% = 5）。
对于置信水平 α（如99%），VaR = 排序后第 (1-α) × N 个最小的损益值。
例如：N=500，α=99%，则取排序后第 5 个最小的损益值（500 × 1% = 5）。
4.2 分位数选取的细节与插值问题
当 (1-α) × N 不是整数时，需要对相邻两个排序值进行线性插值。常见的处理方法有两种：
| 方法 | 处理方式 | 适用场景 |
|---|---|---|
| 最近邻法 | 直接取最接近的整数位置对应的损益值 | 样本量较大（N≥1000），插值影响可忽略 |
| 线性插值法 | 在两个相邻损益值之间按比例加权平均 | 样本量较小（N≤500），需要更精确的尾部估计 |
实操建议：在金融风控实践中，当N=250（约1年交易日）且α=99%时，(1-0.99)×250=2.5，建议使用线性插值法，取第2和第3个最小损益的加权平均值，避免因取整导致的VaR低估或高估。
4.3 历史模拟法的优缺点分析
历史模拟法因其非参数特性，在业界拥有广泛的应用基础，但也存在明显的局限性。
优点
- 无需分布假设：不依赖正态分布或其他参数分布，能自然捕捉厚尾、偏斜等真实市场特征。
- 直观易懂：计算逻辑透明，易于向非技术背景的管理层解释。
- 完全反映历史相关性：自动包含资产间的历史相关结构，无需额外建模。
- 实现简单：仅需排序和分位数查找，编程门槛低。
缺点
- 历史依赖性强：假设历史会完全重演，无法反映未发生过的极端事件（如黑天鹅）。
- 样本量敏感：样本量过小会导致尾部估计不稳定；样本量过大可能包含过时的市场结构信息。
- 对近期变化反应迟钝：等权重处理所有历史数据，无法快速响应波动率突变。
- 无法外推：VaR估计值永远不会超过历史样本中的最大损失。
风险提示：在2008年金融危机前，许多银行使用历史模拟法计算VaR，但由于样本窗口未包含类似危机事件，导致VaR严重低估尾部风险。建议结合压力测试和情景分析进行补充。
4.4 历史模拟法与参数法的全面对比
参数法（如方差-协方差法）假设收益率服从特定分布（通常为正态分布），而历史模拟法则完全由数据驱动。两者在多个维度存在本质差异。
| 对比维度 | 历史模拟法 | 参数法（方差-协方差法） |
|---|---|---|
| 分布假设 | 无（非参数） | 假设正态分布（或t分布） |
| 尾部刻画 | 依赖历史尾部数据，可捕捉厚尾 | 正态假设下尾部较薄，易低估极端风险 |
| 计算复杂度 | 低（排序+分位数） | 中等（需估计协方差矩阵） |
| 对市场突变响应 | 慢（等权重历史窗口） | 较快（可通过EWMA动态更新） |
| 样本量要求 | 至少250个样本，推荐500+ | 至少60个样本即可稳定估计 |
| 可扩展性 | 组合维度高时计算量线性增长 | 组合维度高时协方差矩阵估计困难 |
| 监管接受度 | 巴塞尔协议认可的基础方法 | 常用于内部模型法，但需严格回测 |
4.5 实践中的选择策略
在实际风控系统中，历史模拟法和参数法并非互斥，而是可以互补使用：
- 日常监控：使用历史模拟法（N=500）作为主模型，因其能更好反映真实尾部行为。
- 快速预警：使用参数法（EWMA动态更新）作为辅助，捕捉波动率突变信号。
- 压力测试：在历史模拟法基础上，叠加极端情景（如2008年危机数据）进行情景分析。
- 模型验证：定期对两种方法进行回测（Kupiec检验、Christoffersen检验），评估预测准确性。
行业最佳实践：摩根大通《RiskMetrics》技术文档建议，对于流动性较好的投资组合，优先使用历史模拟法（N=250~500），并辅以指数加权移动平均（EWMA）对波动率进行动态调整，形成“混合历史模拟法”，兼顾历史真实性与市场敏感性。