歡迎來到現實檢查：VaR 回測 (Backtesting)
你好！你已經學會如何計算風險價值 (Value at Risk, VaR) 了。這是一個強大的工具，但我們如何知道自己的 VaR 模型是否真的有效呢？這就是回測 (Backtesting) 的作用。你可以把回測想像成風險模型的「成績單」。如果你的模型預測一年只會發生一次虧損超過 100 萬美元的情況，但實際上每週都會發生，那顯然模型出了問題。在本章中，我們將學習如何透過統計數據來證明模型是否可靠，或是它是否需要徹底重整。
別擔心，如果剛開始覺得統計內容有點多，請放輕鬆！ 我們會將數學運算拆解成簡單的步驟，並利用容易記憶的類比來幫助你理解。
1. 到底什麼是回測？
回測是一個將投資組合的實際每日盈虧 (P&L) 與模型產生的 VaR 估計值進行對比的過程。
當實際虧損大於 VaR 估計值時，我們稱之為一個異常值 (Exception)（或稱為超越值，Exceedance）。例如，如果你的 95% 置信水平的 1 日 VaR 為 100,000 美元，而你今天虧損了 120,000 美元，這就產生了一個異常值。
核心概念：異常值的頻率
如果我們使用 95% 的置信水平，我們預期會有 5% 的時間出現異常值。如果我們觀察 100 天的數據，我們預期會出現大約 5 次異常值。
- 異常值太多？代表模型低估了風險（太過樂觀）。
- 異常值太少？代表模型高估了風險（太過保守）。
快速回顧： 回測能告訴我們，模型「預測」的壞日子是否與「實際」發生的壞日子相符。
2. Kupiec POF (失敗比例) 測試
測試頻率最常見的方法是 Kupiec 測試。它使用二項分佈 (Binomial Distribution)，因為每一天只有兩種結果：「成功」（沒有異常值）或「失敗」（發生異常值）。
數學邏輯（簡化版）
我們使用概似比 (Likelihood Ratio, LR) 測試來檢查觀察到的失敗次數 \( x \) 是否與預期的失敗次數 \( N \times p \) 顯著不同。
Kupiec LR 測試的公式為：
\( LR_{uc} = -2 \ln \left[ (1-p)^{N-x} p^x \right] + 2 \ln \left[ (1-\frac{x}{N})^{N-x} (\frac{x}{N})^x \right] \)
等等！別被這個公式嚇到了。 在考試中，你主要需要理解的是，這個測試檢查的是無條件覆蓋率 (Unconditional Coverage)。它只關心失敗的總次數，而不關心它們發生的時間點。
你知道嗎？
Kupiec 測試被稱為「無條件覆蓋率」測試，是因為它不在乎 10 個異常值是連續發生的，還是分散在一年內出現。它只管把總數加起來！
3. 回測中的錯誤：第一型與第二型錯誤
就像在法庭上一樣，我們在評估 VaR 模型時也可能犯下兩類錯誤。想像模型正在受審：
第一型錯誤 (Type I Error)： 拒絕了一個好的模型。
類比： 即使沒有火災，煙霧警報器也響了。你因為一次「誤報」而把一個功能正常的警報器丟掉。
第二型錯誤 (Type II Error)： 未能拒絕一個壞的模型。
類比： 房子著火了，但煙霧警報器卻保持沉默。在風險管理中，這要危險得多！
重點總結： 這是一種權衡。如果你讓拒絕模型的門檻變高（變得非常寬容），你就增加了犯下第二型錯誤（讓壞模型蒙混過關）的機率。
4. 巴塞爾協議的「紅綠燈」系統
為了保持標準化，巴塞爾委員會創建了一種簡單的方法，根據 99% VaR 模型在 250 個交易日（一年）內觀察到的異常值數量，將回測結果分類。
- 綠燈區 (0 到 4 次異常)： 模型被認為是準確的。沒有處罰。
- 黃燈區 (5 到 9 次異常)： 模型「可能」還可以，但值得懷疑。監管機構可能會提高你的資本要求。
- 紅燈區 (10 次以上異常)： 模型已失效。你將面臨自動處罰，並必須立即修復模型。
記憶小撇步： 想像交通號誌燈。
綠燈 = 通行。
黃燈 = 減速並保持警惕。
紅燈 = 停止！模型正在失效。
5. 獨立性與叢聚性：Christoffersen 測試
還記得我們說過 Kupiec 測試只關心總數嗎？那是它的弱點。在現實世界中，由於市場波動，異常值通常會呈現「叢聚 (Clustering)」現象。
為什麼叢聚性很糟？
如果這 5 次異常值分散在一年中，你的模型可能還過得去。但如果這 5 次異常值都發生在同一個星期，說明你的模型未能適應不斷變化的市場狀況。這就像一個氣象 App 無法預測颶風來臨的每一天——它不僅是錯的，而且在最關鍵的時候錯了。
Christoffersen 獨立性測試
此測試專門檢查「今天的異常值」是否取決於「昨天是否出現過異常值」。
- 如果異常值是獨立的，它們應該是隨機出現的。
- 如果異常值是叢聚的，代表模型遺漏了一些重要的東西（例如波動率自相關性）。
條件覆蓋率 (Conditional Coverage)： 當你結合 Kupiec 測試（頻率）與 Christoffersen 測試（獨立性）時，就得到了「條件覆蓋率」測試。這是回測領域的黃金標準。
6. 常見陷阱與避免錯誤
在學習回測時，學生常在這些地方跌倒：
1. 混淆置信水平： 如果 VaR 是在 99% 的水平，你預期的異常值會比 95% 時更少。在計算「失敗」次數前，務必確認置信水平。
2. 「乾淨 (Clean)」與「髒 (Dirty)」盈虧 (P&L)：
- 乾淨 P&L： 使用與昨天相同的投資組合（沒有新的交易）。這對於測試模型本身的準確度更好。
- 髒 P&L： 包含日內交易的實際盈虧。這反映了公司的實際風險，但可能會掩蓋模型本身的缺陷。
FRM 課程通常偏好使用「乾淨 P&L」進行回測，以隔離出模型表現。
總結與核心重點
- 回測是將預測的 VaR 與實際虧損進行對比。
- 異常值發生在實際虧損 > VaR 時。
- Kupiec 測試檢查異常值的數量是否正確（無條件覆蓋率）。
- Christoffersen 測試檢查異常值是否為隨機分佈（獨立性）。
- 第一型錯誤是拒絕了一個好的模型；第二型錯誤是接受了一個壞的模型。
- 巴塞爾紅綠燈系統使用 250 天的 99% VaR 結果將模型分類為綠、黃、紅燈區。
請繼續練習那些二項分佈機率題！一旦你掌握了「紅綠燈」系統和兩類錯誤背後的邏輯，你就能為考試的這一部分做好充分準備。