2. 风险度量基础：损失分布、VaR（在险价值）、TVaR（尾部在险价值）的定义与精算含义
在精算建模与风控阈值调优中，风险度量是连接“损失数据”与“决策动作”的桥梁。本章聚焦三个核心概念：损失分布、VaR（在险价值）与TVaR（尾部在险价值）。理解它们的定义、计算逻辑与精算含义，是后续设定告警阈值、评估资本充足率的基础。
2.1 损失分布：风险度量的起点
损失分布描述了随机损失变量 \(X\) 的概率分布，是精算建模的基石。在告警阈值场景中，我们通常关注年度总损失或单次事件损失的分布。
- 频率模型：描述损失发生次数（如 Poisson、负二项分布）。
- severity 模型：描述单次损失金额（如 Gamma、对数正态、Pareto 分布）。
- 复合分布：频率与 severity 的卷积，用于模拟总损失。
精算视角：损失分布的尾部形状直接决定极端风险的大小。厚尾分布（如 Pareto）意味着极端损失发生的概率远高于正态分布假设，这对告警阈值的设定至关重要。
2.2 VaR（在险价值）
VaR 是最广泛使用的风险度量指标之一。在给定置信水平 \(\alpha\)（如 95%、99%）下，VaR 表示在正常市场条件下，一定持有期内可能发生的最大损失。
数学定义：
VaR_α(X) = inf{ x ∈ ℝ : P(X ≤ x) ≥ α }通俗理解：VaR95% = 100 万元，意味着有 95% 的把握损失不会超过 100 万元；或者说，有 5% 的可能性损失会超过 100 万元。
精算含义：VaR 是分位数风险度量，计算简单、直观易懂，被广泛用于监管资本计算（如 Solvency II、巴塞尔协议）。但它不关心超过 VaR 阈值的尾部损失大小，存在“尾部盲区”。
2.3 TVaR（尾部在险价值）
TVaR（又称 CVaR、Expected Shortfall）弥补了 VaR 的缺陷。它度量的是损失超过 VaR 阈值时的平均损失。
数学定义：
TVaR_α(X) = E[ X | X > VaR_α(X) ]通俗理解：TVaR95% = 200 万元，意味着在最坏的 5% 情景中，平均损失为 200 万元。
风控警示：在厚尾分布下，VaR 可能严重低估极端风险。例如，两个投资组合的 VaR95% 相同，但 TVaR 可能相差数倍。告警阈值若仅依赖 VaR，可能错过尾部风险积聚的信号。
2.4 VaR 与 TVaR 对比
| 对比维度 | VaR（在险价值） | TVaR（尾部在险价值） |
|---|---|---|
| 定义 | 给定置信水平下的最大损失分位数 | 超过 VaR 阈值的条件期望损失 |
| 尾部敏感性 | 不敏感（忽略尾部形状） | 敏感（直接度量尾部平均损失） |
| 数学性质 | 非次可加（不满足一致性） | 次可加（满足一致性风险度量） |
| 计算复杂度 | 低（分位数估计） | 中（需估计尾部期望） |
| 监管应用 | 巴塞尔 II（市场风险） | 巴塞尔 III（市场风险）、Solvency II |
| 告警阈值适用性 | 适合常规波动监控 | 适合极端风险预警 |
2.5 精算含义与阈值调优启示
- 损失分布是基础：任何风险度量都依赖于对损失分布的准确建模。分布尾部拟合的微小偏差，会导致 VaR/TVaR 估计的巨大差异。
- VaR 适合“日常”监控：在告警阈值体系中，VaR90% 或 VaR95% 可作为黄色预警线，提示常规风险水平。
- TVaR 适合“极端”预警：TVaR99% 或 TVaR99.5% 可作为红色预警线，触发紧急风控动作。
- 组合使用更稳健：同时监控 VaR 和 TVaR，可以兼顾“最大可能损失”和“尾部平均损失”，避免单一指标带来的盲区。
实战建议：在告警阈值调优项目中，建议先拟合损失分布（如使用 MLE 或 Bayesian 方法），然后同时计算 VaR95% 和 TVaR95%。若两者差距较大（TVaR >> VaR），说明尾部风险集中，应适当收紧告警阈值。