AI×金融知识站
–

kp-015 · 市场风险计量：VaR、ES 与压力测试

核心 模块：量化与风险 预计 28 分钟 更新 2026-10-02

一句话定义

市场风险计量回答"未来一段时间内，持仓在给定置信水平下最多可能损失多少"：VaR 给出分位数损失，ES 度量超过 VaR 后的尾部平均损失，压力测试则回答"极端情景下会怎样"——本知识点为计量方法学介绍，仅供学习研究，不构成任何交易建议。

为什么重要

VaR 是过去三十年银行风险语言的事实标准：交易限额、资本计提、信息披露都以它为轴。对 AI+金融从业者，理解 VaR/ES 有三重意义：一是读懂风险报告（几乎所有资管与银行的市场风险章节都在说这套语言）；二是理解模型风险管理的原型——2008 年危机暴露了"正常分布假设下的 VaR 系统性低估尾部风险"，这场教训直接塑造了后来的模型验证与压力测试制度（kp-026）；三是它是"计量学为业务服务"的典范：同一个数学对象，在不同环节被赋予限额、资本、披露三种用途。

前置知识

kp-002（非平稳与厚尾概念）。统计基础：分位数、正态分布、标准差。

直观类比

VaR 像天气预报里的"明天降水概率 5%、若有雨小雨"——它是常态运行的晴雨表，但不说"台风有多大"。ES 补充了"一旦下了雨，平均会下多大"。压力测试则干脆问"假如台风正面登陆呢"。三者的分工：VaR 管日常、ES 管尾部、压力测试管想象力的边界——只看 VaR 的机构，等于只看晴天预报的渔民。

核心概念

  • VaR（在险价值）：在持有期 h 与置信水平 α（如 99%）下，损失分布的分位数：有 α 的把握损失不超过 VaR。注意它不说明超过 VaR 后损失多大。
  • ES（预期短缺/CVaR）：条件尾部期望 E[损失 | 损失 > VaR]，满足次可加性（分散化不会增加 ES），因此在巴塞尔 FRTB 框架中取代 VaR 成为市场风险资本计提的口径。
  • 三种计算方法：历史模拟（直接用历史收益分布的分位数，无分布假设但对历史窗口敏感）、方差-协方差法（假设正态，用 σ 与分位系数解析计算，快但低估厚尾）、蒙特卡洛模拟（拟合分布后大量抽样，灵活但依赖模型设定）。
  • 回测（backtesting）：用实际溢出次数检验 VaR 质量（99% VaR 意味着约每 100 天溢出 1 次；Kupiec 检验判断溢出频率是否符合设定）。
  • 压力测试：历史情景（重放 2008、2015 等极端时期）与假设情景（利率跳升、流动性枯竭等构造情景），回答"超出 VaR 覆盖范围的尾部会怎样"；监管定期开展（如银行的监管压力测试）。
  • 巴塞尔框架背景：市场风险资本要求历经 1996 标准法/模型法、危机后 Basel 2.5（压力 VaR）、FRTB（ES 口径+流动性期限调整）的演进——计量方法与监管制度共生演化。

原理与机制

VaR 的机制与局限：它把风险压缩为一个分位数，便于限额管理（交易台限额、日历日重估），但分位数对分布尾部形状不敏感——两个 VaR 相同的组合，尾部可以差出一个数量级，这正是 2008 年教训的数学根源。ES 的机制：对超出 VaR 的条件分布取期望，把"尾部有多坏"纳入数字；其次可加性保证组合 ES 不超过成分 ES 之和，与分散化直觉一致，故适合资本口径。历史模拟的机制与软肋：无需假设分布、天然包含厚尾事件，但隐含"历史窗口可代表未来"——窗口外的新风险（结构性变化）完全不可见，且窗口长度选择本身是模型风险。压力测试的机制：跳出统计分布假设，以情景直接冲击估值与流动性，恰好补上 VaR/ES 的盲区；监管用它检验"极端但可能"情形下的生存能力。三者构成"日常—尾部—极端"的分层风险视图。

公式或模型

VaR_α = 分位数: P(损失 > VaR_α) = 1 − α
ES_α = E[ 损失 | 损失 > VaR_α ]
正态近似(方差-协方差法): VaR_α ≈ z_α · σ · √h · 头寸价值
回测: 99% VaR 一年应约溢出 2.5 次(Kupiec 检验判断频率合规性)

本节为计量方法学介绍，不涉及任何交易策略与投资建议；涉及交易的内容仅供学习研究。

图示

损失分布(右尾)
        ▁▂▄█▇▅▃▂▁
                 │←VaR_99%(分位数)
                  ╲
                   ████ ←尾部
ES_99% = 尾部平均损失(重于 VaR)
压力测试: 直接重放/构造极端情景冲击估值
日常限额(VaR) → 资本计提(ES) → 极端生存(压力)

实例或案例

某银行交易账簿的日频风险流程（教学化描述）：每日收盘后用 500 天历史模拟计算 99% 置信、1 日持有期 VaR，各交易台限额按 VaR 分配；溢出事件逐笔登记，一年溢出次数送回测检验（若显著超过设定频率，模型须重新验证）；每季度叠加监管情景与内部压力情景（如"利率平行上移 200bp+信用利差走阔"）测算压力损失，报送资产负债管理委员会。2008 年危机的教训复盘：危机前多数机构 VaR 模型基于平静期数据，波动率骤升后 VaR 反而"变小"，限额形同虚设——这场失败直接催生了 Basel 2.5 的压力 VaR 要求与 FRTB 的 ES 口径。

常见误区

  • 误区一：VaR 告诉你最多亏多少。 VaR 是分位数不是上限，99% VaR 之外仍有 1% 的日子，且那 1% 可能远大于 VaR；问"尾部多大"要用 ES。
  • 误区二：历史模拟不需要模型假设所以无模型风险。 它隐含"窗口代表未来"，窗口选择、数据清洗与权重设定都是模型决策；平静期数据会让历史模拟严重低估尾部。
  • 误区三：压力测试是合规形式。 压力情景的价值取决于其"可信的极端"程度与对应的应急预案挂钩；只为通过检查而设计的情景在真危机中毫无用处。

自测题

  1. VaR 与 ES 的定义与分工？为什么 FRTB 用 ES 替代 VaR？

答案要点：VaR 是分位数、ES 是尾部条件期望；ES 度量尾部严重程度且满足次可加性。

  1. 三种 VaR 计算方法各自的优缺点？

答案要点：历史模拟无分布假设但对窗口敏感；方差-协方差快但低估厚尾；蒙特卡洛灵活但依赖分布设定。

  1. 2008 年危机暴露了 VaR 的什么缺陷？监管如何回应？

答案要点：平静期数据低估尾部、危机中限额失效；Basel 2.5 引入压力 VaR，FRTB 改用 ES。

图示

见上节「图示」：损失分布、VaR/ES 与三层风险视图。

与其他知识点的关系

kp-011 的组合风险视角与本节互为表里（组合方差 vs 分布尾部）；kp-026 以 VaR 模型为模型风险管理的经典案例；kp-002 的厚尾与非平稳是本节一切方法论修正的根源。

延伸阅读

  • Jorion《Value at Risk》：VaR 体系的标准入门书。
  • McNeil、Frey、Embrechts《Quantitative Risk Management》：极值理论与风险计量的进阶经典。