期望亏损 (ES)

期望亏损 (Expected Shortfall, ES)

期望亏损 (Expected Shortfall，ES)，也称条件风险价值 (Conditional Value-at-Risk，CVaR)，是金融风险管理中衡量尾部风险的指标。对于连续分布，ES 定义为在损失超过风险价值 (VaR) 的条件下的期望损失值。与仅给出分位点而忽略尾部形状的 VaR 不同，ES 对尾部损失的分布特征——包括极端损失的严重程度——完全敏感，因此被巴塞尔协议 III选定为市场风险资本计量的核心指标，取代了此前使用的 VaR。

数学定义

设随机变量 $L$ 表示损失（取正值），其累积分布函数为 $F_L(l) = \Pr(L \leq l)$。在置信水平 $\alpha \in (0, 1)$ 下（通常 $\alpha = 0.975$ 或 $0.99$），VaR 定义为损失分布的 $\alpha$-分位数：$\text{VaR}_\alpha = \inf\{l: F_L(l) \geq \alpha\}$。ES 则定义为超过 VaR 的损失的期望值：

对于连续分布，ES 可表示为 VaR 的积分平均值：$\text{ES}_\alpha = \frac{1}{1-\alpha} \int_\alpha^1 \text{VaR}_u \, du$，该公式直接揭示 ES 对尾部整体形状而非单点的依赖。

一致风险度量的性质

Artzner 等人（1999）提出一致风险度量 (coherent risk measure) 的公理化标准：单调性（损失更大则风险更高）、次可加性（合并风险不增加总风险——多样化不应受到惩罚）、正齐次性（规模缩放与风险线性）和平移不变性（无风险资产可抵消风险）。VaR 在一般情况下不满足次可加性——两个资产的合并 VaR 可能大于各自 VaR 之和，违背分散化降低风险的经济直觉。ES 满足所有四条公理，是一致风险度量，这构成了其从 VaR 过渡的理论依据。

估计方法与回测挑战

ES 的估计比 VaR 更具挑战性。参数方法假设损失服从特定分布（如正态、t 分布或广义帕累托分布 GPD），利用分布函数解析求取尾部期望。非参数方法使用历史模拟法——取超过历史 VaR 的全部损失的均值。半参数方法以极值理论 (EVT) 为核心，用 GPD 拟合尾部超出某个高阈值的数据，通过 Pickands-Balkema-de Haan 定理获得尾部估计。

ES 的回测（backtesting）也比 VaR 更困难——后者仅需比较实际超越次数与预期超越率（二项检验），而 ES 的回测要求对尾部整个区间进行平均检验。实践中常用的近似法包括将 ES 转化为多个 VaR 水平的联合回测或使用 Acerbi-Székely (2014) 的直接检验。ES 的理论优越性——一致性和尾部敏感性——与其估计和验证的操作复杂性构成持续的实践权衡。