欢迎来到 VaR 的世界！

你好！今天我们将深入探讨金融界最著名（有时也最令人闻风丧胆）的概念之一：风险价值 (Value at Risk，简称 VaR)。如果你曾经好奇大型银行或对冲基金是如何回答“我们明天可能面临的最大损失是多少？”这个问题，那你来对地方了。VaR 是业界衡量风险的标准指标，能将风险简化为单一数值。别担心这章节看起来很深奥，我们会用简单的逻辑和清晰的例子带你一步步拆解。

1. 到底什么是 VaR？

简单来说，风险价值 (VaR) 是对潜在损失的陈述。它告诉我们在一定的信心水平下，我们在特定时间段内预期会承受的最大损失。

要定义 VaR，你永远需要两个“要素”：

1. 时间跨度 (Time Horizon, T)： 我们观察的时间段（例如：1 天、10 天或 1 年）。
2. 信心水平 (Confidence Level)： 我们希望达到的确定程度（例如：95% 或 99%）。

例子： 如果一个投资组合的 1 天 95% VaR 为 100 万美元，这意味着在正常的市场条件下，该投资组合在一天内损失超过 100 万美元的机率仅为 5%。

快速回顾：三种说法，同一含义

学员常会被不同的措辞搞混，但以下三种说法其实完全一样：
• 我们有 95% 的信心 损失不会超过 100 万美元。
• 有 5% 的机率（显著性水平）我们会损失 100 万美元或更多。
• 在 100 天的时间内，我们预计大约会有 5 天 的损失会超过 100 万美元。

重点提示： VaR 总结了“最坏情况”，但它无法描述在绝对极端的尾部（那 5% 或 1% 的“崩盘”区域）会发生什么。

2. 计算 VaR：参数法 (Delta-Normal Method)

在 FRM 课程中，计算 VaR 最常见的方法是 参数法 (Parametric Method)。它假设资产回报率遵循 正态分布 (Normal Distribution)（就是那种经典的钟形曲线）。

公式

如果你知道投资组合回报率的平均值 (\( \mu \)) 和标准差 (\( \sigma \))，你就可以使用正态分布表中的 Z 分数 (Z-scores) 来计算 VaR。

\( VaR = [ \mu_{p} - (z \times \sigma_{p}) ] \times 投资组合价值 \)

注：在许多 FRM 题目中，为了简化计算，我们通常假设短期（如 1 天）的预期回报 (\( \mu \)) 为零。

你必须背下来的 Z 分数

这两个数字你会不断用到，请把它们存入你的“大脑缓存”：
• 95% 信心水平：\( z = 1.645 \)（通常取整为 1.65）
• 99% 信心水平：\( z = 2.326 \)（通常取整为 2.33）

你知道吗？ 尽管 99% 的信心水平比 95% 更高，但其“尾部”反而更小（1% vs 5%）。这意味着 99% VaR 的金额一定会比 95% VaR 更大，因为它观察的是曲线中更“糟糕”的极端区域。

3. 调整 VaR：时间平方根法则 (Square Root of Time Rule)

有时候你有 1 天的 VaR，但老板想要 10 天的 VaR。该如何换算？我们使用 时间平方根法则。这假设回报率在时间上是独立且同分布 (i.i.d.) 的。

将 1 天的标准差调整为 T 天的标准差：
\( \sigma_{T-day} = \sigma_{1-day} \times \sqrt{T} \)

因此：
\( VaR_{T-day} = VaR_{1-day} \times \sqrt{T} \)

常见错误： 千万不要直接乘以时间！如果你想从 1 天换算成 100 天，要乘以 \( \sqrt{100} = 10 \)，而不是乘以 100。如果你乘以 100，会严重高估你的风险！

4. 线性与非线性衍生商品的 VaR

我们如何应用 VaR 取决于投资组合中包含了什么资产。

线性衍生商品（股票和远期合约）

对于这些资产，价格变化与标的因素的变化成正比。我们使用 Delta 来估计变化。
\( \Delta 投资组合 \approx Delta \times \Delta 标的资产 \)

非线性衍生商品（期权）

期权比较棘手！它们的价格相对于股票价格的变动不是直线的，这是由于 Gamma（曲率）的存在。
• Delta-Normal 法： 这是一种简化方法，忽略了 Gamma。它把期权视为线性商品。这种方法很快，但对于大幅度的价格变动来说 不准确。
• 完全重估法 (Full Revaluation)： 这是最准确的方法。你需要使用模型（如 Black-Scholes）针对新的“最坏情况”股价重新计算期权价格。

类比： 想象你在平路上行走（线性）。如果你走 10 步，你正好走了 10 公尺。现在想象你在陡峭的山坡上行走（非线性）。当你走得越远，坡度越陡，你简单的“步数换算公尺”计算就会失效。那个“陡峭度”就是 Gamma！

5. 历史模拟法 vs. 蒙特卡洛模拟法

如果参数法（钟形曲线）不适合你的数据，你还有两个主要替代方案：

历史模拟法 (Historical Simulation，“回顾”法)

你拿过去（例如 500 天）的实际价格变动，应用到你现在的投资组合上。然后将结果从最差到最好进行排序。
• 优点： 不需要假设正态分布；能捕捉到“厚尾”风险。
• 缺点： 假设未来会和过去一模一样。

蒙特卡洛模拟法 (Monte Carlo Simulation，“未来世界”法)

你使用电脑根据某些参数产生数千种随机的资产价格路径。
• 优点： 极具弹性；适用于任何复杂的衍生商品。
• 缺点： 非常消耗电脑运算能力和时间。

快速总结表：
• 参数法： 快、简单，但假设“正态”分布（对期权不好）。
• 历史法： 使用真实历史数据，无分布假设，但属于“向后看”。
• 蒙特卡洛： 最强大，能处理一切，但缓慢且复杂。

6. VaR 的限制与风险

VaR 是一个很棒的工具，但它并不完美。身为 FRM 考生，你必须知道它的缺陷：

1. “尾部”之谜： VaR 告诉你损失的门槛，但它 完全没说 如果超过这个门槛会损失多少。如果你的 95% VaR 是 100 万美元，你在糟糕的一天实际损失可能是 110 万或 1 亿美元——VaR 分不出差别。
2. 非次加性 (Non-Subadditivity)： 在某些情况下，组合投资组合的 VaR 可能会 大于 各个组成部分 VaR 的总和。这违背了分散投资的基本概念。（技术上来说，VaR 因此不是一个“一致性风险度量”）。
3. 模型风险： 如果你的假设（例如正态分布）错误，你的 VaR 就会错误。垃圾进，垃圾出！

重点提示：

VaR 只是工具箱中的一个工具。大多数风险经理人会将其与 压力测试 (Stress Testing)（观察极端事件）和 预期损失 (Expected Shortfall, ES)（计算超过 VaR 水平后的平均损失）搭配使用。

结语与鼓励

你已经掌握了计算与应用 VaR 的核心逻辑！记住那些 Z 分数（1.65 和 2.33）以及时间平方根法则，你就离精通这一章不远了。如果觉得数学很重，随时回到那个基本问题：“在一定的信心水平下，我最坏的情况损失是多少？” 你一定没问题的！