KNOWECON WIKI

ARTICLE

Value at Risk (VaR)

Value at Risk (VaR) Value at Risk（VaR），中文常译为"在险价值"或"风险价值"，是金融风险管理领域中最具影响力的量化指标之一。VaR 回答一个看似简单却极为关键的问题：在正常的市场条件下，在给定的置信水平和持有期内，一个投资组合最大可能损失多少？其正式定义为：在持有期 t 内、置信水平 (1 - ) 下，投资组合的损失不超

浏览 0 更新 2025-10-27

Value at Risk (VaR)

Value at Risk（VaR），中文常译为"在险价值"或"风险价值"，是金融风险管理领域中最具影响力的量化指标之一。VaR 回答一个看似简单却极为关键的问题：在正常的市场条件下，在给定的置信水平和持有期内，一个投资组合最大可能损失多少？其正式定义为：在持有期 Δt\Delta t 内、置信水平 (1−α)(1 - \alpha) 下，投资组合的损失不超过 VaR 的概率为 (1−α)(1 - \alpha)。用概率语言表述：

P(L≤VaR1−α)=1−αP(L \leq \text{VaR}_{1-\alpha}) = 1 - \alpha

其中 LL 表示持有期内的损失（取正值）。换言之，损失超过 VaR 的概率仅为 α\alpha。VaR 将多维度的市场风险——利率风险、汇率风险、股价风险、商品价格风险——压缩为一个单一的数字，使其成为金融机构、监管者和投资者沟通风险的核心语言。

起源与发展

VaR 的现代体系化源于 20 世纪 80 年代末至 90 年代初。1989 年前后，JP摩根（J.P. Morgan）总裁 Dennis Weatherstone 要求每天下午 4:15 前收到一份一页纸的报告，概括整个银行在未来 24 小时内面临的总体市场风险。这一需求催生了 1994 年公开推出的 RiskMetrics 系统，将 VaR 方法论推向整个金融行业。此后，VaR 迅速被纳入监管框架：1996 年巴塞尔协议（Basel I 修正案）允许银行使用内部 VaR 模型确定市场风险资本要求；2004 年 Basel II 进一步将 VaR 思想延伸至信用风险和操作风险领域。

三大计算方法

计算 VaR 的主要方法有三种，各自在精度、计算成本和假设上有不同权衡。

方差-协方差法（Variance-Covariance Method），又称参数法或分析法。该方法假设资产收益率服从正态分布，投资组合的收益是各资产收益的线性组合。VaR 的计算公式为：

VaR1−α=μΔt+zα⋅σ⋅Δt\text{VaR}_{1-\alpha} = \mu \Delta t + z_{\alpha} \cdot \sigma \cdot \sqrt{\Delta t}

其中 μ\mu 为期望收益率、σ\sigma 为组合收益率的标准差、zαz_{\alpha} 为标准正态分布在显著性水平 α\alpha 下的分位数（如 α=5%\alpha = 5\% 时 z0.05≈1.645z_{0.05} \approx 1.645）、Δt\Delta t 为持有期。对于包含多种资产的投资组合，σ\sigma 需通过各资产的波动率（标准差）及其之间的协方差（相关性）矩阵求得。该方法计算简便、速度极快，但正态性假设使其在面临肥尾分布（Fat Tail）时严重低估极端风险。

历史模拟法（Historical Simulation）完全摒弃参数分布假设。该方法收集过去 NN 天（如 500 天）的历史收益率序列，将当前投资组合权重施加到这些历史收益率上，生成 NN 个模拟损益值，再从中取第 α\alpha 百分位数作为 VaR。其核心优势在于不依赖正态分布假设、能自然捕捉肥尾和资产间的非线性相关。缺陷包括：假设过去能代表未来（历史可能不包含当前特有的风险因子）、对观察窗口长度敏感、无法预判前所未有的极端事件。

蒙特卡洛模拟法（Monte Carlo Simulation）是三种方法中最为灵活也最耗费计算资源的一种。该方法首先设定资产价格的随机过程（如几何布朗运动），然后通过计算机生成大量随机路径（通常数万至数十万次），对每次模拟计算组合的到期损益，最终从损益分布中读取 VaR。蒙特卡洛模拟可处理复杂的非线性工具（如期权、结构性衍生品），并能灵活设定任意分布假设，但其计算量巨大，且结果质量依赖模型设定的合理性（即"模型风险"）。

参数选择与回测

VaR 涉及两个关键参数的选择。置信水平通常取 95\% 或 99\%：95\% VaR 更适用于日常内部风险监控，因其在统计上更易验证；99\% VaR 更保守，常用于监管资本计算和极端风险防范。持有期取决于资产组合的流动性特征：流动性高的交易账簿通常取 1 天，投资组合或养老金可选取 10 天或 1 个月。

回溯测试（Backtesting）是验证 VaR 模型可靠性的核心工具。其逻辑为：若模型在 99\% 置信水平下正确，则实际损失超过 VaR 的频率应约为 1\%。监管上，巴塞尔协议要求银行追踪过去 250 个交易日中 VaR 被突破的次数：若突破次数过多（如超过 4 次），监管资本乘数将上调，以此惩罚模型低估风险的行为。

局限性：被拷问的 VaR

VaR 的简洁性既是其最大优势，也构成其根本缺陷。批评者指出三大核心局限。其一，VaR 不满足次可加性（Subadditivity），即两个资产组合合并后的 VaR 可能大于各自 VaR 之和，这违反了分散化降低风险的基本直觉，意味着 VaR 不是一个一致风险度量（Coherent Risk Measure，由 Artzner 等学者于 1999 年提出）。其二，VaR 仅回答了"超过某个阈值的概率是多少"，却对超过阈值后的损失有多大保持沉默——在 2008 年次贷危机中，许多机构用 99\% VaR 度量风险却仍遭遇毁灭性损失，正是因为那 1\% 尾部事件的实际损失远超 VaR 所暗示的规模。其三，VaR 高度依赖历史数据和模型假设，在体制转换（Regime Change）或市场结构突变面前极为脆弱。

超越 VaR：预期损失 (Expected Shortfall)

为弥补 VaR 的缺陷，预期损失（Expected Shortfall，ES），又称条件在险价值（CVaR），被提出并逐渐成为新一代监管标准。ES 定义为损失超过 VaR 阈值时的条件期望值：

ES1−α=E[L∣L>VaR1−α]\text{ES}_{1-\alpha} = E[L \mid L > \text{VaR}_{1-\alpha}]

ES 同时满足次可加性和对尾部风险完整刻画的要求，是一个一致风险度量。2016 年发布的巴塞尔协议 III最终版（Basel III Reforms）正式将市场风险资本框架从 VaR 转向 97.5\% 置信水平下的 Expected Shortfall，标志着风险度量范式的代际更替。尽管如此，VaR 因其直观性和数十年的使用惯性，在日常风险报告、内部限额管理和非金融企业的风险对冲中仍占据不可替代的地位。

应用场景与实务意义

在实际操作层面，VaR 已渗透至现代金融体系的多个关键环节。风险限额管理是最典型的应用：交易台、部门乃至整个机构均被分配 VaR 限额，风险管理部门每日监控实际 VaR 是否超标，一旦逼近或突破预设阈值即触发减仓或对冲指令。绩效评估中，VaR 常用于计算风险调整后收益（Risk-Adjusted Return），典型指标如 RoRaC（Return on Risk-adjusted Capital）将利润除以 VaR 对应的经济资本，以此横向比较不同业务线的资本效率。信息披露层面，几乎所有全球系统重要性银行（G-SIBs）均在年报中披露 VaR 数据，向投资者展示其市场风险敞口的量级与变化趋势。此外，对冲基金和资产管理人也广泛使用 VaR 进行投资组合优化：在均值-方差框架中引入 VaR 约束，确保在追求超额收益的同时将极端亏损概率控制在可承受范围内。压力测试与 VaR 互为补充——VaR 刻画正常市场条件下的风险，压力测试则回答"若市场崩盘，我们还能存活吗"，两者共同构成现代风险管理的双支柱框架。