风险价值（VaR）：量化你最坏情况下的亏损

每一位交易员、风险经理和首席财务官都面对同一个根本性问题：我最多可能亏多少？风险价值（Value at Risk，简称 VaR）是金融行业使用最广泛的答案。VaR 表示在正常市场条件下，在给定的时间跨度内、在某个置信水平下的最大预期亏损。

诸如「该投资组合的单日 95% VaR 为 50 万美元」这样的表述意味着：该投资组合在单日内亏损不超过 50 万美元的概率为 95%。反过来说，亏损超过这一阈值的概率为 5%。VaR 把可能结果的复杂分布浓缩成一个单一、直观的数字——这既是它最大的优势，也是它最危险的局限。

VaR 成为行业标准，源于摩根大通（JPMorgan）董事长 Dennis Weatherstone 要求提供一份一页纸的每日报告，概括公司的总风险敞口。其成果——每天下午送达的著名「4:15 报告」——催生了 1994 年的 RiskMetrics，摩根大通将其向全世界开源。监管机构几乎立即采纳了 VaR：巴塞尔协议 II（Basel II Accord）要求银行计算每日 VaR 以确定其资本要求，这一标准延续至今的巴塞尔协议 III 和 IV。

计算 VaR 主要有三种方法，每种各有其独特的优势与取舍：

1. 历史模拟法

最简单的方法。取你当前的投资组合，套用过去 250 个（或 500 个、1,000 个）交易日的实际收益率，并将由此得到的盈亏从最差到最好排序。对于 95% VaR，第 5 百分位处的亏损就是你的 VaR 估计值。如果你使用 1,000 天的数据，VaR 就是第 50 差那一天的亏损。这种方法对收益率分布不作任何假设——让历史直接发声。然而，它假设过去能代表未来，而这恰恰是它最危险地失效的时刻。

2. 参数法（方差—协方差法）

这种方法假设收益率服从正态分布。你估计每项资产的平均收益率和波动率，构建协方差矩阵，并计算投资组合方差。对于 95% VaR：VaR = 投资组合价值 × z 值 × σ × √t，其中 95% 对应的 z 值为 1.645，σ 是投资组合波动率，t 是时间跨度。这种方法快速而优雅——一名量化分析师在电子表格里就能算出来。但正态分布会极大地低估极端波动的概率。在正态性假设下，比特币单日 40% 以上的暴跌将是 7 西格玛以上的事件——按理在宇宙的整个寿命里都不该发生一次，然而它已经发生了多次。

3. 蒙特卡洛模拟

最灵活的方法。你为资产价格如何演变定义一个统计模型（包含肥尾、偏度和随时间变化的波动率），然后生成成千上万——乃至数百万——个随机情景。你在每个情景下对投资组合重新估值，并从由此得到的盈亏分布中提取 VaR。蒙特卡洛能处理期权、路径依赖型产品和非线性敞口等复杂工具。代价是计算量巨大，而且结果的好坏完全取决于模型假设的优劣。

VaR 告诉你正常亏损的边界——但对越过这条边界之后会发生什么却一无所言。如果你的 99% VaR 是 1,000 万美元，那么在那最糟糕的 1% 交易日里，你的亏损可能是 1,100 万美元，也可能是 1.1 亿美元。VaR 对极端亏损的量级保持沉默，而这种沉默曾酿成灾难性的失败。

在 2008 年全球金融危机期间，高盛（Goldman Sachs）报告称其交易部门连续多日经历了「25 西格玛事件」。在正态分布下，25 西格玛事件大约每 10¹³⁵ 年才应发生一次。现实是，抵押贷款支持证券具有肥尾的收益率分布，而那些根据温和市场校准的 VaR 模型完全没能捕捉到这一点。

其他局限包括：

• 非可加性——合并投资组合的 VaR 可能超过各部分 VaR 之和，违反次可加性。这意味着 VaR 可能惩罚分散化，而这在经济上毫无道理。
• 模型风险——假设上的微小改变（回看期、分布选择、相关性估计）都可能产生天差地别的 VaR 数值。
• 顺周期性——在平静的市场中，VaR 缩小（历史波动率较低），鼓励更大的仓位。当波动率飙升时，VaR 激增，迫使在最糟糕的时机去杠杆——从而放大崩盘。
• 对流动性视而不见——标准 VaR 假设你能以当前价格平仓。在 2020 年 3 月 COVID 崩盘期间，即便是全球流动性最强的美国国债市场也出现了严重的价格脱节，使 VaR 估计变得毫无意义。

为弥补 VaR 最致命的缺陷——它对尾部亏损的沉默——风险经理们发展出了条件风险价值（Conditional VaR，CVaR），也称为预期短缺（Expected Shortfall，ES）。如果说 VaR 问的是「在我的置信水平下，最坏的亏损是多少？」，那么 CVaR 问的是「假设亏损已经超过了 VaR，那么平均亏损是多少？」

如果你的 95% 单日 VaR 是 100 万美元，你的 95% CVaR 可能是 180 万美元——意味着在那最糟糕的 5% 交易日里，你平均可预期亏损 180 万美元。CVaR 总是大于 VaR，两者之间的差距揭示了你尾部风险的严重程度。一个 CVaR 是其 VaR 三倍的投资组合，其尾部敞口远比一个 CVaR 仅为 VaR 1.2 倍的投资组合危险。

CVaR 有一个关键的数学优势：它是一致的（coherent），也就是说它满足次可加性。合并两个投资组合所得到的 CVaR 始终小于或等于各部分 CVaR 之和，恰当地反映了分散化的好处。巴塞尔协议 III（Basel III）框架在认识到 2008 年后 VaR 的缺陷后，要求银行在市场风险资本要求方面从 VaR 转向预期短缺——这一转变在《交易账簿基本审查（FRTB）》下完成。

对于加密货币投资组合，CVaR 尤为重要。数字资产表现出显著的肥尾：比特币的经验收益率分布显示其超额峰度约为 15–30（相比之下，正态分布约为 3），这意味着极端事件比钟形曲线模型所预测的常见得多。仅使用 VaR 会让你危险地暴露在那些恰恰定义了加密货币市场的事件之下。

为加密货币构建一套实用的 VaR 框架，需要根据该资产类别的独特特征来调整传统方法：全天候交易、极端波动、市况切换，以及压力时期稀薄的流动性。

设想一个 100,000 美元的投资组合，平均分配在 BTC、ETH 和 SOL 上。使用过去两年每日收益率的历史模拟法：

• 你会收集到 730 个每日投资组合收益率（按各资产 33% 的配置对其收益率加权）。
• 将收益率从最差到最好排序。
• 第 37 差的收益率（730 个中的第 5 百分位）就是你的 95% 单日 VaR。
• 根据经验，这个数字可能约为 5,500–7,000 美元——意味着你应预期每 20 个交易日中就有 1 天至少亏损这么多。

对于更长的时间跨度，时间平方根法则（将单日 VaR 乘以 √t）提供了一个粗略的近似：周 VaR ≈ 单日 VaR × √5 ≈ 12,300–15,700 美元。然而，这一缩放法则假设各日收益率相互独立，而加密货币的动量和均值回归模式违反了这一假设。更准确的缩放需要对序列相关性进行建模。

在 GaiaEx 上，你在 Hyperliquid L1 上交易永续合约，VaR 变得更加关键，因为杠杆同时放大了收益和亏损。一个 5 倍杠杆的仓位，其 VaR 是无杠杆仓位的 5 倍。在进入任何杠杆交易之前，先计算你的 VaR，并确保最坏情景——记住真实的最坏情况会超过 VaR——是你能挺过去的。GaiaEx 的 MPC 钱包架构确保了：当你通过 VaR 纪律管理市场风险的同时，你的交易对手风险已经被消除。

VaR 不只是一个数字——它是一套风险管理流程。以下是专业交易员和机构每天如何使用它：

在交易前设定 VaR 限额。确定你在一天、一周和一个月内能承受的最大亏损。把它表示为投资组合的百分比。一个常见的专业标准是在 99% 置信水平下，每日 VaR 限额为总资本的 1–2%。如果你的投资组合是 50,000 美元，那就意味着要这样构建仓位，使你的 99% 单日 VaR 保持在 500–1,000 美元以下。

定期监控并重新计算。随着仓位变化、相关性移动和波动率演变，VaR 也会改变。至少每天重新计算一次。在波动时期——在加密货币中可能持续数周——一天要重新计算多次。如果 VaR 突破了你的限额，应立即减仓，而不是寄望市场会平静下来。

不懈地回测。将预测的 VaR 与实际盈亏作比较。如果你的 95% VaR 被突破的次数超过 5%，那你的模型就坏了。在 2022 年加密货币熊市期间，许多根据 2020–2021 年数据校准的风险模型严重低估了 VaR，因为它们是在牛市中训练出来的。定期回测本可以捕捉到这种偏移。

将 VaR 与其他风险指标结合使用。用 CVaR 衡量尾部风险，用压力测试做情景分析，用最大回撤来保全资本，用仓位限额来控制集中度风险。没有任何单一指标能涵盖风险的所有维度。VaR 是你风险框架的地基——而非整栋建筑。

目标不是消除风险——那会同时消除收益。目标是了解你的风险，有意识地把它控制在合适的规模，并确保任何单独的一天都不会把你逐出局。VaR 若运用得当，并辅以尾部风险度量，就能为你提供量化的基础，让你充满信心地交易。