風險價值（VaR）：量化你最壞情況下的虧損

每一位交易員、風險經理和首席財務官都面對同一個根本性問題：我最多可能虧多少？風險價值（Value at Risk，簡稱 VaR）是金融行業使用最廣泛的答案。VaR 表示在正常市場條件下，在給定的時間跨度內、在某個置信水平下的最大預期虧損。

諸如「該投資組合的單日 95% VaR 為 50 萬美元」這樣的表述意味著：該投資組合在單日內虧損不超過 50 萬美元的機率為 95%。反過來說，虧損超過這一閾值的機率為 5%。VaR 把可能結果的複雜分佈濃縮成一個單一、直觀的數字——這既是它最大的優勢，也是它最危險的侷限。

VaR 成為行業標準，源於摩根大通（JPMorgan）董事長 Dennis Weatherstone 要求提供一份一頁紙的每日報告，概括公司的總風險敞口。其成果——每天下午送達的著名「4:15 報告」——催生了 1994 年的 RiskMetrics，摩根大通將其向全世界開源。監管機構幾乎立即採納了 VaR：巴塞爾協議 II（Basel II Accord）要求銀行計算每日 VaR 以確定其資本要求，這一標準延續至今的巴塞爾協議 III 和 IV。

計算 VaR 主要有三種方法，每種各有其獨特的優勢與取捨：

1. 歷史模擬法

最簡單的方法。取你當前的投資組合，套用過去 250 個（或 500 個、1,000 個）交易日的實際收益率，並將由此得到的盈虧從最差到最好排序。對於 95% VaR，第 5 百分位處的虧損就是你的 VaR 估計值。如果你使用 1,000 天的資料，VaR 就是第 50 差那一天的虧損。這種方法對收益率分佈不作任何假設——讓歷史直接發聲。然而，它假設過去能代表未來，而這恰恰是它最危險地失效的時刻。

2. 引數法（方差—協方差法）

這種方法假設收益率服從正態分佈。你估計每項資產的平均收益率和波動率，構建協方差矩陣，並計算投資組合方差。對於 95% VaR：VaR = 投資組合價值 × z 值 × σ × √t，其中 95% 對應的 z 值為 1.645，σ 是投資組合波動率，t 是時間跨度。這種方法快速而優雅——一名量化分析師在電子表格裡就能算出來。但正態分佈會極大地低估極端波動的機率。在正態性假設下，比特幣單日 40% 以上的暴跌將是 7 西格瑪以上的事件——按理在宇宙的整個壽命裡都不該發生一次，然而它已經發生了多次。

3. 蒙特卡洛模擬

最靈活的方法。你為資產價格如何演變定義一個統計模型（包含肥尾、偏度和隨時間變化的波動率），然後生成成千上萬——乃至數百萬——個隨機情景。你在每個情景下對投資組合重新估值，並從由此得到的盈虧分佈中提取 VaR。蒙特卡洛能處理期權、路徑依賴型產品和非線性敞口等複雜工具。代價是計算量巨大，而且結果的好壞完全取決於模型假設的優劣。

VaR 告訴你正常虧損的邊界——但對越過這條邊界之後會發生什麼卻一無所言。如果你的 99% VaR 是 1,000 萬美元，那麼在那最糟糕的 1% 交易日裡，你的虧損可能是 1,100 萬美元，也可能是 1.1 億美元。VaR 對極端虧損的量級保持沉默，而這種沉默曾釀成災難性的失敗。

在 2008 年全球金融危機期間，高盛（Goldman Sachs）報告稱其交易部門連續多日經歷了「25 西格瑪事件」。在正態分佈下，25 西格瑪事件大約每 10¹³⁵ 年才應發生一次。現實是，抵押貸款支援證券具有肥尾的收益率分佈，而那些根據溫和市場校準的 VaR 模型完全沒能捕捉到這一點。

其他侷限包括：

• 非可加性——合併投資組合的 VaR 可能超過各部分 VaR 之和，違反次可加性。這意味著 VaR 可能懲罰分散化，而這在經濟上毫無道理。
• 模型風險——假設上的微小改變（回看期、分佈選擇、相關性估計）都可能產生天差地別的 VaR 數值。
• 順週期性——在平靜的市場中，VaR 縮小（歷史波動率較低），鼓勵更大的倉位。當波動率飆升時，VaR 激增，迫使在最糟糕的時機去槓桿——從而放大崩盤。
• 對流動性視而不見——標準 VaR 假設你能以當前價格平倉。在 2020 年 3 月 COVID 崩盤期間，即便是全球流動性最強的美國國債市場也出現了嚴重的價格脫節，使 VaR 估計變得毫無意義。

為彌補 VaR 最致命的缺陷——它對尾部虧損的沉默——風險經理們發展出了條件風險價值（Conditional VaR，CVaR），也稱為預期短缺（Expected Shortfall，ES）。如果說 VaR 問的是「在我的置信水平下，最壞的虧損是多少？」，那麼 CVaR 問的是「假設虧損已經超過了 VaR，那麼平均虧損是多少？」

如果你的 95% 單日 VaR 是 100 萬美元，你的 95% CVaR 可能是 180 萬美元——意味著在那最糟糕的 5% 交易日裡，你平均可預期虧損 180 萬美元。CVaR 總是大於 VaR，兩者之間的差距揭示了你尾部風險的嚴重程度。一個 CVaR 是其 VaR 三倍的投資組合，其尾部敞口遠比一個 CVaR 僅為 VaR 1.2 倍的投資組合危險。

CVaR 有一個關鍵的數學優勢：它是一致的（coherent），也就是說它滿足次可加性。合併兩個投資組合所得到的 CVaR 始終小於或等於各部分 CVaR 之和，恰當地反映了分散化的好處。巴塞爾協議 III（Basel III）框架在認識到 2008 年後 VaR 的缺陷後，要求銀行在市場風險資本要求方面從 VaR 轉向預期短缺——這一轉變在《交易帳簿基本審查（FRTB）》下完成。

對於加密貨幣投資組合，CVaR 尤為重要。數字資產表現出顯著的肥尾：比特幣的經驗收益率分佈顯示其超額峰度約為 15–30（相比之下，正態分佈約為 3），這意味著極端事件比鐘形曲線模型所預測的常見得多。僅使用 VaR 會讓你危險地暴露在那些恰恰定義了加密貨幣市場的事件之下。

為加密貨幣構建一套實用的 VaR 框架，需要根據該資產類別的獨特特徵來調整傳統方法：全天候交易、極端波動、市況切換，以及壓力時期稀薄的流動性。

設想一個 100,000 美元的投資組合，平均分配在 BTC、ETH 和 SOL 上。使用過去兩年每日收益率的歷史模擬法：

• 你會收集到 730 個每日投資組合收益率（按各資產 33% 的配置對其收益率加權）。
• 將收益率從最差到最好排序。
• 第 37 差的收益率（730 箇中的第 5 百分位）就是你的 95% 單日 VaR。
• 根據經驗，這個數字可能約為 5,500–7,000 美元——意味著你應預期每 20 個交易日中就有 1 天至少虧損這麼多。

對於更長的時間跨度，時間平方根法則（將單日 VaR 乘以 √t）提供了一個粗略的近似：周 VaR ≈ 單日 VaR × √5 ≈ 12,300–15,700 美元。然而，這一縮放法則假設各日收益率相互獨立，而加密貨幣的動量和均值迴歸模式違反了這一假設。更準確的縮放需要對序列相關性進行建模。

在 GaiaEx 上，你在 Hyperliquid L1 上交易永續合約，VaR 變得更加關鍵，因為槓桿同時放大了收益和虧損。一個 5 倍槓桿的倉位，其 VaR 是無槓桿倉位的 5 倍。在進入任何槓桿交易之前，先計算你的 VaR，並確保最壞情景——記住真實的最壞情況會超過 VaR——是你能挺過去的。GaiaEx 的 MPC 錢包架構確保了：當你透過 VaR 紀律管理市場風險的同時，你的交易對手風險已經被消除。

VaR 不只是一個數字——它是一套風險管理流程。以下是專業交易員和機構每天如何使用它：

在交易前設定 VaR 限額。確定你在一天、一週和一個月內能承受的最大虧損。把它表示為投資組合的百分比。一個常見的專業標準是在 99% 置信水平下，每日 VaR 限額為總資本的 1–2%。如果你的投資組合是 50,000 美元，那就意味著要這樣構建倉位，使你的 99% 單日 VaR 保持在 500–1,000 美元以下。

定期監控並重新計算。隨著倉位變化、相關性移動和波動率演變，VaR 也會改變。至少每天重新計算一次。在波動時期——在加密貨幣中可能持續數週——一天要重新計算多次。如果 VaR 突破了你的限額，應立即減倉，而不是寄望市場會平靜下來。

不懈地回測。將預測的 VaR 與實際盈虧作比較。如果你的 95% VaR 被突破的次數超過 5%，那你的模型就壞了。在 2022 年加密貨幣熊市期間，許多根據 2020–2021 年資料校準的風險模型嚴重低估了 VaR，因為它們是在牛市中訓練出來的。定期回測本可以捕捉到這種偏移。

將 VaR 與其他風險指標結合使用。用 CVaR 衡量尾部風險，用壓力測試做情景分析，用最大回撤來保全資本，用倉位限額來控制集中度風險。沒有任何單一指標能涵蓋風險的所有維度。VaR 是你風險框架的地基——而非整棟建築。

目標不是消除風險——那會同時消除收益。目標是瞭解你的風險，有意識地把它控制在合適的規模，並確保任何單獨的一天都不會把你逐出局。VaR 若運用得當，並輔以尾部風險度量，就能為你提供量化的基礎，讓你充滿信心地交易。