KNOWECON WIKI

ARTICLE

风险价值 (Value at Risk, VaR)

风险价值 (Value at Risk, VaR) 风险价值 (Value at Risk, VaR) 是金融风险管理中最广泛使用的量化指标之一，用于衡量金融资产或投资组合在给定置信水平和持有期内可能遭受的最大潜在损失。VaR 的核心思想是将复杂的市场风险压缩为一个直观的数字，例如："在 99\% 的置信水平下，该组合未来一天的 VaR 为 1000 万美元

浏览 0 更新 2025-10-26

风险价值 (Value at Risk, VaR)

风险价值 (Value at Risk, VaR) 是金融风险管理中最广泛使用的量化指标之一，用于衡量金融资产或投资组合在给定置信水平和持有期内可能遭受的最大潜在损失。VaR 的核心思想是将复杂的市场风险压缩为一个直观的数字，例如："在 99\% 的置信水平下，该组合未来一天的 VaR 为 1000 万美元"，意味着损失超过 1000 万美元的概率不超过 1\%。

历史背景

VaR 的概念起源于 20 世纪 80 年代末。1987 年"黑色星期一"股灾暴露了传统风险管理方法的不足。JP Morgan 银行在董事长 Dennis Weatherstone 的要求下开发了一套每日风险报告系统，即后来的 RiskMetrics。1994 年，JP Morgan 免费公开 RiskMetrics 方法论，使用方差-协方差法和正态分布假设，大幅降低了 VaR 的计算门槛，使其迅速成为行业标准。1996 年，巴塞尔协议在《市场风险资本计提补充规定》中正式采纳 VaR，规定使用 99\% 置信水平、10 天持有期的 VaR 乘以乘数因子（通常为 3）来确定监管资本，奠定了 VaR 在全球金融监管中的核心地位。

数学定义

设投资组合在持有期 Δt\Delta t 内的损失为 LL（取正值），其累积分布函数为 FL(l)=P(L≤l)F_L(l) = P(L \le l)。给定置信水平 c∈(0,1)c \in (0,1)（通常取 95\% 或 99\%），VaR 定义为损失分布的第 cc 分位数：

VaRc=FL−1(c)=inf⁡{l∈R:FL(l)≥c}\text{VaR}_c = F_L^{-1}(c) = \inf\{l \in \mathbb{R} : F_L(l) \ge c\}

换言之，P(L≤VaRc)=cP(L \le \text{VaR}_c) = c，即损失不超过 VaR 的概率为 cc。

三大计算方法

VaR 的计算核心在于构建投资组合损益的概率分布。三种主流方法各有优劣，适用于不同场景。

参数法（方差-协方差法）

参数法假设资产收益率服从正态分布，仅需均值和协方差矩阵即可计算 VaR：

VaRc=−μΔt+zcσΔt⋅W\text{VaR}_c = -\mu \Delta t + z_c \sigma \sqrt{\Delta t} \cdot W

其中 zcz_c 为标准正态分布的 cc 分位数（95\% 时 z≈1.645z \approx 1.645，99\% 时 z≈2.326z \approx 2.326），σ\sigma 为收益率标准差，WW 为头寸价值。该方法计算简便，但正态假设与金融数据的厚尾特征不符，容易低估极端风险。

历史模拟法

历史模拟法是一种非参数方法，直接使用过去一段时期（如 1 至 5 年）的实际收益率数据构建损益分布，取第 (1−c)×N(1-c) \times N 个最差值作为 VaR。该方法无需分布假设，能自动捕捉资产间的相关性和厚尾特征，但完全依赖历史数据，无法反映未发生过的极端情景。

蒙特卡洛模拟法

蒙特卡洛模拟法通过构建资产价格的随机过程模型（如几何布朗运动），生成大量可能的价格路径，再从中提取 VaR。该方法最为灵活，可处理复杂的非线性衍生品和路径依赖型产品，但计算成本高，且结果依赖于模型设定的准确性。

VaR 的局限性

VaR 虽被广泛采用，但也面临多项结构性批评，这些缺陷在 2008 年金融危机中暴露无遗。

非一致性风险度量

Artzner 等（1999）提出了一致性风险度量的四条公理：单调性、正齐次性、平移不变性和次可加性。VaR 不满足次可加性，即两个组合合并后的 VaR 可能大于各自 VaR 之和：

VaR(X+Y)>VaR(X)+VaR(Y)\text{VaR}(X+Y) > \text{VaR}(X) + \text{VaR}(Y)

这违背了"分散化降低风险"的基本原理，可能导致错误激励——机构可通过拆分业务来降低监管资本要求。此外，VaR 仅报告特定分位数的损失，完全不提供尾部损失的分布信息。两个组合可能具有相同的 99\% VaR，但一个的极端损失是 VaR 的 2 倍，另一个是 10 倍，VaR 对此无法区分。

模型风险与顺周期性

VaR 的计算结果高度依赖于方法选择和参数设定。不同的历史窗口、置信水平和分布假设可能导致同一组合的 VaR 估计相差数倍，为"模型套利"提供了空间——机构倾向于选择产生较低 VaR 的模型以节省监管资本。

VaR 还具有显著的顺周期性。在市场平静期，历史波动率低，VaR 偏低，鼓励机构增加杠杆和风险承担；一旦波动率飙升，VaR 急剧上升，触发大规模减仓，进一步加剧市场下跌。2008 年全球金融危机充分暴露了这一机制的破坏性——许多银行的 VaR 模型在危机前显示风险极低，却在危机中完全失效。

替代指标：预期亏损

为弥补 VaR 的缺陷，巴塞尔协议III（2010 年发布，2016 年修订）将市场风险资本计量的核心指标替换为预期亏损（Expected Shortfall, ES），也称条件风险价值（CVaR）：

ESc=E[L∣L>VaRc]\text{ES}_c = \mathbb{E}[L \mid L > \text{VaR}_c]

ES 度量损失超过 VaR 阈值时的平均损失，满足次可加性，是一致性风险度量。巴塞尔协议 III 规定使用 97.5\% 置信水平的 ES 替代 99\% VaR，并要求对不同流动性持有期分段计算后汇总。然而，ES 的回测比 VaR 复杂——VaR 仅需比较实际损益与预测 VaR 的突破次数，而 ES 需要评估整个尾部损失的期望值，对数据量要求更高。

应用场景

VaR 在金融领域有三大典型应用。第一，监管资本计量：巴塞尔协议要求银行基于 VaR 计算市场风险资本。第二，内部风险限额：交易台的 VaR 限额是一种事前风险控制工具，若交易员突破限额则需减仓或对冲。第三，风险管理报告：基金公司使用 VaR 监控组合风险暴露，并向投资者披露风险水平。

回测验证

VaR 模型的有效性通过回测验证。Kupiec（1995）的无条件覆盖率检验基于二项分布，检验实际损失超过 VaR 的频率是否与显著性水平一致。巴塞尔委员会的"交通灯"法根据过去 250 天内的突破次数（绿区 0 至 4 次，黄区 5 至 9 次，红区 10 次以上）调整监管资本乘数，通过经济惩罚激励银行维护模型准确性。

总结

风险价值以其简洁性成为金融风险管理的通用语言，但其简化假设也带来了结构性缺陷。理解 VaR 的优势与局限，是掌握现代金融风险管理的关键一步。