2. VaR 计算方法概览：参数法、历史模拟法、蒙特卡洛模拟法
在金融风控实践中，VaR（Value at Risk，风险价值）是衡量市场风险的核心指标。计算 VaR 的方法主要分为三大流派：参数法（方差-协方差法）、历史模拟法和蒙特卡洛模拟法。三种方法在假设前提、计算效率、数据需求及尾部风险刻画能力上存在显著差异。本节将系统梳理三者的核心原理、计算步骤与适用场景。
2.1 参数法（方差-协方差法）
参数法假设资产收益率服从某种已知的概率分布（通常为正态分布），仅需估计组合的均值与方差-协方差矩阵即可计算 VaR。其核心公式为：
VaR(α) = μ - σ · Z_α · √Δt其中，μ 为预期收益率，σ 为组合标准差，Z_α 为置信水平 α 对应的标准正态分位数（如 95% 对应 1.645，99% 对应 2.326），Δt 为持有期。
适用场景：参数法计算速度极快，适合大规模投资组合的快速风险计量，尤其适用于流动性好、收益率近似正态分布的资产（如主要货币对、国债）。
2.2 历史模拟法
历史模拟法不假设任何分布，直接使用资产收益率的历史数据作为未来可能情景的样本。计算步骤为：
- 收集过去 N 个交易日（通常 250~500 天）的资产收益率序列；
- 将当前持仓权重应用于历史收益率，生成 N 个组合损益情景；
- 将损益从小到大排序，取第 (1-α)×N 个分位数作为 VaR 估计值。
关键局限：历史模拟法完全依赖历史数据，若样本期内未包含极端市场事件（如 2008 年金融危机、2020 年疫情冲击），则 VaR 会严重低估尾部风险。此外，该方法对数据长度敏感，样本过短会导致分位数估计不稳定。
2.3 蒙特卡洛模拟法
蒙特卡洛模拟法通过随机数生成大量资产价格路径，计算组合损益分布。其核心流程包括：
- 随机建模：假设资产价格服从几何布朗运动或其他随机过程；
- 路径生成：使用蒙特卡洛抽样生成 10,000~100,000 条价格路径；
- 损益计算：对每条路径计算期末组合价值，得到损益分布；
- 分位数提取：从损益分布中提取指定置信水平的 VaR。
优势：蒙特卡洛法可以灵活处理非线性风险（如期权、含权债券）、厚尾分布及复杂相关性结构，是业界处理衍生品组合 VaR 的首选方法。但计算成本高，且依赖随机过程假设的正确性。
2.4 三种方法优缺点对比
下表从假设前提、计算效率、数据需求、尾部风险刻画等维度进行系统对比：
| 对比维度 | 参数法 | 历史模拟法 | 蒙特卡洛模拟法 |
|---|---|---|---|
| 分布假设 | 正态分布（或 t 分布） | 无分布假设 | 需指定随机过程 |
| 计算速度 | 极快（秒级） | 较快（分钟级） | 慢（小时级） |
| 数据需求 | 仅需协方差矩阵 | 需较长历史序列 | 需参数估计数据 |
| 非线性风险 | 无法处理 | 可部分处理 | 完全支持 |
| 尾部风险 | 严重低估 | 依赖历史极端值 | 可模拟厚尾 |
| 实现复杂度 | 低 | 中 | 高 |
| 监管接受度 | 基础资本计量 | 巴塞尔协议认可 | 内部模型法首选 |
2.5 三种方法的核心流程对比
下图从输入、处理、输出三个层次，直观展示三种 VaR 计算方法的核心流程差异：
2.6 方法选择建议
在实际风控系统中，三种方法并非互斥，而是根据资产类型与监控频率组合使用：
- 日频监控：对流动性强的线性资产（如股票、期货），优先使用参数法，兼顾速度与精度；
- 周/月频压力测试：使用历史模拟法，结合压力情景（如 2008 年、2020 年数据）评估极端损失；
- 复杂衍生品定价：必须使用蒙特卡洛模拟法，同时配合方差缩减技术（如对偶变量、控制变量）提升效率。