歡迎來到 VaR 的世界！

你好！今天我們將深入探討金融界最著名（有時也最令人聞風喪膽）的概念之一：風險價值 (Value at Risk，簡稱 VaR)。如果你曾經好奇大型銀行或對沖基金是如何回答「我們明天可能面臨的最大損失是多少？」這個問題，那你來對地方了。VaR 是業界衡量風險的標準指標，能將風險簡化為單一數值。別擔心這章節看起來很深奧，我們會用簡單的邏輯和清晰的例子帶你一步步拆解。

1. 到底什麼是 VaR？

簡單來說，風險價值 (VaR) 是對潛在損失的陳述。它告訴我們在一定的信心水準下，我們在特定時間段內預期會承受的最大損失。

要定義 VaR，你永遠需要兩個「要素」：

1. 時間跨度 (Time Horizon, T)： 我們觀察的時間段（例如：1 天、10 天或 1 年）。
2. 信心水準 (Confidence Level)： 我們希望達到的確定程度（例如：95% 或 99%）。

例子： 如果一個投資組合的 1 天 95% VaR 為 100 萬美元，這意味著在正常的市場條件下，該投資組合在一天內損失超過 100 萬美元的機率僅為 5%。

快速回顧：三種說法，同一含義

學員常會被不同的措辭搞混，但以下三種說法其實完全一樣：
• 我們有 95% 的信心 損失不會超過 100 萬美元。
• 有 5% 的機率（顯著性水準）我們會損失 100 萬美元或更多。
• 在 100 天的時間內，我們預計大約會有 5 天 的損失會超過 100 萬美元。

重點提示： VaR 總結了「最壞情況」，但它無法描述在絕對極端的尾部（那 5% 或 1% 的「崩盤」區域）會發生什麼。

2. 計算 VaR：參數法 (Delta-Normal Method)

在 FRM 課程中，計算 VaR 最常見的方法是 參數法 (Parametric Method)。它假設資產報酬率遵循 常態分配 (Normal Distribution)（就是那種經典的鐘形曲線）。

公式

如果你知道投資組合報酬率的平均值 (\( \mu \)) 和標準差 (\( \sigma \))，你就可以使用常態分配表中的 Z 分數 (Z-scores) 來計算 VaR。

\( VaR = [ \mu_{p} - (z \times \sigma_{p}) ] \times 投資組合價值 \)

註：在許多 FRM 題目中，為了簡化計算，我們通常假設短期（如 1 天）的預期報酬 (\( \mu \)) 為零。

你必須背下來的 Z 分數

這兩個數字你會不斷用到，請把它們存入你的「大腦快取」：
• 95% 信心水準：\( z = 1.645 \)（通常取整為 1.65）
• 99% 信心水準：\( z = 2.326 \)（通常取整為 2.33）

你知道嗎？ 儘管 99% 的信心水準比 95% 更高，但其「尾部」反而更小（1% vs 5%）。這意味著 99% VaR 的金額一定會比 95% VaR 更大，因為它觀察的是曲線中更「糟糕」的極端區域。

3. 調整 VaR：時間平方根法則 (Square Root of Time Rule)

有時候你有 1 天的 VaR，但老闆想要 10 天的 VaR。該如何換算？我們使用 時間平方根法則。這假設報酬率在時間上是獨立且相同分佈 (i.i.d.) 的。

將 1 天的標準差調整為 T 天的標準差：
\( \sigma_{T-day} = \sigma_{1-day} \times \sqrt{T} \)

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

常見錯誤： 千萬不要直接乘以時間！如果你想從 1 天換算成 100 天，要乘以 \( \sqrt{100} = 10 \)，而不是乘以 100。如果你乘以 100，會嚴重高估你的風險！

4. 線性與非線性衍生商品的 VaR

我們如何應用 VaR 取決於投資組合中包含了什麼資產。

線性衍生商品（股票和遠期合約）

對於這些資產，價格變化與標的因素的變化成正比。我們使用 Delta 來估計變化。
\( \Delta 投資組合 \approx Delta \times \Delta 標的資產 \)

非線性衍生商品（選擇權）

選擇權比較棘手！它們的價格相對於股票價格的變動不是直線的，這是由於 Gamma（曲率）的存在。
• Delta-Normal 法： 這是一種簡化方法，忽略了 Gamma。它把選擇權視為線性商品。這種方法很快，但對於大幅度的價格變動來說 不準確。
• 完全重估法 (Full Revaluation)： 這是最準確的方法。你需要使用模型（如 Black-Scholes）針對新的「最壞情況」股價重新計算選擇權價格。

類比： 想像你在平路上行走（線性）。如果你走 10 步，你正好走了 10 公尺。現在想像你在陡峭的山坡上行走（非線性）。當你走得越遠，坡度越陡，你簡單的「步數換算公尺」計算就會失效。那個「陡峭度」就是 Gamma！

5. 歷史模擬法 vs. 蒙地卡羅模擬法

如果參數法（鐘形曲線）不適合你的數據，你還有兩個主要替代方案：

歷史模擬法 (Historical Simulation，“回顧”法)

你拿過去（例如 500 天）的實際價格變動，應用到你現在的投資組合上。然後將結果從最差到最好進行排序。
• 優點： 不需要假設常態分配；能捕捉到「厚尾」風險。
• 缺點： 假設未來會和過去一模一樣。

蒙地卡羅模擬法 (Monte Carlo Simulation，“未來世界”法)

你使用電腦根據某些參數產生數千種隨機的資產價格路徑。
• 優點： 極具彈性；適用於任何複雜的衍生商品。
• 缺點： 非常消耗電腦運算能力和時間。

快速總結表：
• 參數法： 快、簡單，但假設「常態」分配（對選擇權不好）。
• 歷史法： 使用真實歷史數據，無分配假設，但屬於「向後看」。
• 蒙地卡羅： 最強大，能處理一切，但緩慢且複雜。

6. VaR 的限制與風險

VaR 是一個很棒的工具，但它並不完美。身為 FRM 考生，你必須知道它的缺陷：

1. 「尾部」之謎： VaR 告訴你損失的門檻，但它 完全沒說 如果超過這個門檻會損失多少。如果你的 95% VaR 是 100 萬美元，你在糟糕的一天實際損失可能是 110 萬或 1 億美元——VaR 分不出差別。
2. 非次加性 (Non-Subadditivity)： 在某些情況下，組合投資組合的 VaR 可能會 大於 各個組成部分 VaR 的總和。這違背了分散投資的基本概念。（技術上來說，VaR 因此不是一個「一致性風險度量」）。
3. 模型風險： 如果你的假設（例如常態分配）錯誤，你的 VaR 就會錯誤。垃圾進，垃圾出！

重點提示：

VaR 只是工具箱中的一個工具。大多數風險經理人會將其與 壓力測試 (Stress Testing)（觀察極端事件）和 預期損失 (Expected Shortfall, ES)（計算超過 VaR 水準後的平均損失）搭配使用。

結語與鼓勵

你已經掌握了計算與應用 VaR 的核心邏輯！記住那些 Z 分數（1.65 和 2.33）以及時間平方根法則，你就離精通這一章不遠了。如果覺得數學很重，隨時回到那個基本問題：「在一定的信心水準下，我最壞的情況損失是多少？」 你一定沒問題的！