企业官网建设流程全解析

1. 从一次风控复盘说起：为什么单纯看VaR会翻车

前阵子帮一个做量化策略的朋友复盘他的组合回撤，他给我看了一张图，横轴是日期，纵轴是每日盈亏，红线是他自己算的95% VaR阈值。图上大部分时间盈亏都在红线以上，看起来风平浪静，但偏偏有那么三天，亏损直接击穿了红线，而且击穿幅度是阈值的两到三倍。他当时的第一反应是"模型参数没调好"，想重新拟合一下波动率窗口。我拦住他，说先别急着调参，你先把Expected Shortfall（ES）算出来看看，再跑一遍VaR的backtesting，问题大概率不在参数上，而在你只看了VaR这一个分位点。

这个场景在风险管理里太常见了。VaR（Value at Risk，在险价值）回答的是"在给定置信水平下，未来一段时间内最大可能损失是多少"，比如95% VaR等于100万，意思是明天有95%的概率亏损不超过100万。但它有个致命缺陷：它只告诉你门槛在哪，不告诉你门槛被跨过之后会摔多惨。那三天击穿红线的亏损，VaR完全没预警，因为它压根不关心尾部有多厚。Expected Shortfall（也叫CVaR、条件在险价值、平均尾部损失）补的就是这个洞——它算的是"当损失超过VaR阈值时，平均会亏多少"。

这篇东西我打算把ES和VaR backtesting这两件事从头到尾捋一遍。不是教科书式的定义罗列，而是按我实际做风控时踩过的顺序来：先讲清楚ES到底怎么算、为什么比VaR更适合管尾部风险，再讲VaR backtesting的几种主流方法（Kupiec、Christoffersen、以及基于ES的检验），最后落到实操——数据怎么准备、参数怎么选、结果怎么读、哪些坑我踩过。适合做量化、做组合风控、或者单纯想搞懂自己投资组合尾部风险的朋友。哪怕你数学一般，我也会尽量用生活化的例子把公式背后的直觉讲明白。

2. VaR与ES的核心原理拆解：一个看门槛，一个看门槛后面的坑

2.1 VaR到底在算什么：分位数的直觉

VaR本质上就是一个分位数。假设你有一个收益率序列，把它从小到大排序，95% VaR就是第5百分位对应的那个损失值（注意方向，损失是负收益，所以是左尾）。换句话说，有5%的历史（或模拟）情景，损失会比这个值更糟。

用生活类比：你每天开车上班，统计了过去一年的通勤时间。95% VaR就像"最堵的那5%的日子里，堵车时间的门槛值"。它告诉你"大部分日子不会比这更堵"，但完全没说最堵的那几天到底堵成什么样——可能只是多堵10分钟，也可能直接堵到中午。

计算VaR有三条主流路径，我按实际使用频率排一下：

• 历史模拟法：直接把历史收益率排序取分位数。优点是简单、不假设分布；缺点是极度依赖历史窗口，窗口里没出现过的极端行情就估不出来。
• 参数法（方差-协方差法）：假设收益率服从正态分布，用均值和标准差算分位数。优点是快、解析解；缺点是正态分布假设在金融数据里基本不成立，尾部太薄。
• 蒙特卡洛模拟：用模型生成大量情景再取分位数。优点是灵活；缺点是慢、且依赖模型设定。

我个人的经验是，做日频风控用历史模拟法打底，配合参数法做交叉验证，蒙特卡洛留给复杂衍生品组合。单纯用参数法在股票组合上，2008、2015、2020那种行情里会严重低估风险。

2.2 ES为什么是VaR的补丁：条件期望的威力

ES的定义是：损失超过VaR阈值的那部分情景下，损失的期望值。数学上写成：

ES_α = E[L | L > VaR_α]

其中L是损失，α是置信水平。还是用通勤类比：ES就是"在最堵的那5%的日子里，平均堵多久"。这个数字天然比VaR大，因为它把尾部所有糟糕情景都平均进来了。

ES相比VaR有三个实打实的优势，这也是为什么巴塞尔协议在2016年之后把市场风险的内部模型法从VaR转向了ES：

第一，ES是次可加性的。意思是把两个组合合并，合并后的ES不会超过两个组合ES之和。VaR不满足这个性质，会出现"分散化反而增加风险"的悖论，这在理论上就站不住脚。次可加性意味着ES是一致性风险度量，VaR不是。

第二，ES对尾部形状敏感。两个组合可能有相同的VaR，但一个尾部很薄、一个尾部很厚，ES能区分出来，VaR不能。前面我朋友那个案例就是典型：VaR看起来正常，但ES会明显偏高，提示尾部有肥尾。

第三，ES更平滑。VaR对分位点附近的样本很敏感，样本稍微动一下，VaR可能跳变。ES因为是尾部平均，稳定性更好，回测时不会因为一两个样本就剧烈波动。

但ES也不是没缺点。它需要估计尾部期望，对样本量要求更高，尾部样本本来就少，估计误差大。而且ES不像VaR那样有明确的"击穿"事件可以计数，回测方法更复杂，这也是后面要重点讲的。

2.3 两者的计算实操：从收益率序列到风险数字

我拿一段模拟的日收益率序列走一遍流程，你可以直接套。假设有1000个交易日的日收益率，置信水平取97.5%（巴塞尔用的就是这个，对应ES）。

第一步，把收益率转成损失：L = -r。第二步，排序损失，取第97.5百分位作为VaR。第三步，把所有超过VaR的损失取平均，得到ES。

import numpy as np # 假设 returns 是长度为1000的日收益率数组 losses = -returns var_975 = np.percentile(losses, 97.5) tail_losses = losses[losses >= var_975] es_975 = tail_losses.mean() print(f"97.5% VaR: {var_975:.4f}") print(f"97.5% ES: {es_975:.4f}") print(f"尾部样本数: {len(tail_losses)}")

这里有个实操细节：np.percentile默认用线性插值，尾部样本数大概是1000 * 2.5% = 25个。25个样本估一个期望，标准误不小。所以我一般会做两件事：一是用更长的窗口（至少500个交易日，最好1000+），二是用极值理论（EVT）对尾部做参数化拟合再算ES，减少样本不足带来的噪声。

注意：置信水平的选择直接影响尾部样本量。99% VaR在1000个样本里只有10个尾部点，ES估计会非常不稳。巴塞尔选97.5%不是随便定的，就是为了在覆盖极端风险和保证样本量之间取平衡。

3. VaR Backtesting的三大主流方法：从计数到独立性

3.1 为什么VaR需要回测：模型不是算完就完事

VaR是个统计模型，任何模型都需要验证它在样本外是否靠谱。Backtesting的核心逻辑是：如果模型说"95%的日子损失不超过VaR"，那实际数据里击穿VaR的天数应该接近5%。如果实际击穿率远高于5%，说明模型低估风险；远低于5%，说明模型过于保守，浪费资本。

这里有个关键概念叫击穿（exception/exceedance）：某天实际损失超过了前一天预测的VaR，就算一次击穿。回测就是统计击穿次数，然后检验它是否符合预期。

我见过太多人算完VaR就扔那不管了，等到真出事才发现模型早就失效了。回测不是可选项，是必选项。而且回测要滚动做，不能只做一次——市场结构在变，模型的适用性也在变。

3.2 Kupiec POF检验：最基础的无条件覆盖检验

Kupiec的POF（Proportion of Failures）检验是最经典的一个，它只关心一件事：击穿率对不对。原假设是"实际击穿率等于预期击穿率"。

检验统计量是似然比：

LR_POF = -2 * ln[ (1-p)^(N-x) * p^x / ((1-π)^(N-x) * π^x) ]

其中N是总天数，x是击穿次数，p是预期击穿率（比如95% VaR对应5%），π = x/N是实际击穿率。这个统计量服从自由度为1的卡方分布。

我实际用的时候，会把它整理成一张速查表，方便快速判断：

这张表的意思是，如果你用95% VaR跑了250天，击穿次数落在6到21之间，那在95%置信水平下不能拒绝模型；超出这个范围，模型就有问题。

Kupiec检验的优点是简单直观，缺点是它只看击穿次数，不看击穿的时间分布。一个模型可能击穿次数刚好，但所有击穿都集中在某一个月，这明显说明模型在某些市场状态下失效了，Kupiec却检测不出来。

3.3 Christoffersen独立性检验：击穿是不是扎堆出现

Christoffersen检验补的就是Kupiec的短板。它检验击穿事件之间是否独立，具体是看"今天击穿"和"昨天击穿"之间有没有相关性。

它构造一个一阶马尔可夫链，统计四个量：n00（昨天没击穿今天也没）、n01（昨天没击穿今天击穿）、n10（昨天击穿今天没）、n11（昨天击穿今天也击穿）。然后检验条件击穿率是否相等：

LR_IND = -2 * ln[ L(独立) / L(马尔可夫) ]

这个统计量也服从卡方分布，自由度1。如果拒绝原假设，说明击穿是扎堆的，模型在波动率聚集时期失效——这在金融数据里太常见了，因为波动率本身就有聚集性。

Christoffersen还提出了一个联合检验，把POF和独立性合在一起，统计量是两者之和，自由度2。我一般直接跑联合检验，一步到位。

3.4 基于ES的回测：更难的题目

ES的回测比VaR难得多，因为ES没有"击穿"这种离散事件可以计数。目前主流有几类方法：

第一类是Acerbi-Szekely检验，它构造两个统计量Z1和Z2，分别检验ES的水平和尾部风险的稳定性。Z1检验实际尾部平均损失是否等于预测ES，Z2检验尾部损失的超额部分是否独立于VaR水平。

第二类是Fissler-Ziegel检验，基于联合损失函数（joint loss function），把VaR和ES放在一起评估。这个方法的理论最扎实，因为它是对ES的elicitability问题的回应——ES不是elicitable的，单独用某个损失函数无法唯一地识别它，必须和VaR联合。

第三类是模拟对比法，用bootstrap生成大量样本，比较实际ES和预测ES的分布。这个方法直观但计算量大。

我实操里最常用的是Acerbi-Szekely的Z1，因为它相对好实现，而且对尾部风险的捕捉够用。Z2作为补充，看尾部稳定性。

# Acerbi-Szekely Z1 简化实现 def as_z1_test(returns, var_pred, es_pred, alpha=0.975): losses = -returns exceedances = losses[losses > var_pred] if len(exceedances) == 0: return None # Z1 统计量 n = len(returns) p = 1 - alpha z1 = (exceedances.mean() / es_pred - 1) * np.sqrt(len(exceedances)) / np.sqrt(p * (1-p)) return z1

注意：ES回测的样本量要求比VaR更高。97.5%置信下，1000个样本只有25个尾部点，Z1统计量的功效很低。实务里我会用至少2000个交易日，或者用重叠窗口增加样本，但要小心自相关。

4. 完整实操流程：从数据准备到结果解读

4.1 数据准备与清洗：脏数据比坏模型更致命

回测的第一步永远是数据。我踩过最大的坑就是数据没洗干净，导致回测结果完全不可信。

几个必须做的清洗步骤：

• 处理停牌和缺失值：股票停牌期间没有收益率，直接跳过会导致时间序列不连续。我的做法是停牌日用0填充，但标记出来，回测时单独看这些日子的影响。
• 复权处理：用前复权还是后复权？做回测我一般用后复权，因为前复权会随着新数据不断变化，导致历史数据不稳定。
• 异常值检查：有些数据源会有明显的错误值，比如收益率突然出现-50%又+100%。这种要么是数据错误，要么是极端事件，需要人工确认。
• 时间对齐：如果组合里有多个资产，确保所有资产的时间戳对齐，跨时区的资产要特别小心。

我一般会写一个数据质量报告，统计缺失率、异常值数量、时间跨度，作为回测的前置检查。这个习惯帮我避免了好几次"模型没问题但结果离谱"的尴尬。

4.2 滚动窗口回测框架：参数怎么选

回测框架的核心是滚动窗口。每个交易日，用过去W天的数据估计VaR和ES，然后和当天的实际损失比较，记录击穿。

窗口长度W的选择是个权衡：

• 窗口太短（比如250天）：对市场变化反应快，但估计噪声大，尾部样本少。
• 窗口太长（比如2000天）：估计稳定，但对市场结构变化反应慢，可能把过时的信息也算进来。

我的经验值是500到1000天。对于波动率变化快的市场（比如加密货币），用250到500天；对于成熟市场（比如大盘股），用1000天左右。

还有一个选择是等权还是指数加权。等权简单，但近期数据应该更重要。指数加权（EWMA）给近期数据更高权重，对波动率聚集的捕捉更好。我一般用EWMA估计波动率，再用历史模拟法取分位数，算是两者的折中。

def rolling_backtest(returns, window=500, alpha=0.975): n = len(returns) var_list, es_list, breaches = [], [], [] for t in range(window, n): hist = returns[t-window:t] losses = -hist var = np.percentile(losses, alpha*100) tail = losses[losses >= var] es = tail.mean() if len(tail) > 0 else var var_list.append(var) es_list.append(es) breaches.append(1 if -returns[t] > var else 0) return np.array(var_list), np.array(es_list), np.array(breaches)

跑完这个，你就有了每天的VaR预测、ES预测和击穿标记。接下来就是统计检验。

4.3 结果解读：击穿率、独立性、ES偏差

拿到回测结果后，我一般看三个层面：

第一层，击穿率。实际击穿次数除以总天数，和预期比。如果偏离超过20%，就要警惕。比如95% VaR预期5%，实际跑到7%，说明模型低估风险。

第二层，击穿的时间分布。把击穿点画在时间轴上，看是不是扎堆。如果集中在某几个时间段，说明模型在特定市场状态下失效。这时候要去看那段时间的市场特征，是波动率飙升还是相关性突变。

第三层，ES偏差。实际尾部平均损失和预测ES的比值。如果实际是预测的1.5倍，说明尾部风险被严重低估。这个指标比击穿率更敏感，因为它是连续值。

我整理了一个结果解读的对照表：

4.4 一个完整的回测案例：模拟组合的实操记录

我用一段模拟的股票组合日收益率（2000个交易日）走一遍完整流程。数据是我用几何布朗运动加上跳跃项生成的，故意让尾部比正态分布厚，用来测试模型在肥尾下的表现。

第一步，数据准备。2000个交易日，无缺失，收益率均值0.0003，标准差0.012，跳跃项概率1%，跳跃幅度均值-0.05。

第二步，滚动回测。窗口500天，97.5%置信，跑1500次预测。

第三步，统计结果。击穿次数实际是52次，预期是1500 * 2.5% = 37.5次。击穿率3.47%，明显高于预期2.5%。Kupiec检验的LR统计量算出来是5.8，超过卡方分布95%分位3.84，拒绝原假设，模型低估风险。

第四步，独立性检验。n11 = 8，n01 = 44，n10 = 44，n00 = 1404。条件击穿率：昨天击穿今天击穿的概率是8/(8+44)=15.4%，昨天没击穿今天击穿的概率是44/(44+1404)=3.0%。两者差很多，说明击穿扎堆。Christoffersen独立性检验LR统计量是12.3，拒绝独立假设。

第五步，ES检验。实际尾部平均损失是预测ES的1.28倍，Z1统计量2.9，在5%水平下显著，说明ES也被低估。

结论：这个模型在肥尾数据下全面失效。原因是用历史模拟法但窗口内极端样本不足，加上正态分布假设的隐含影响。改进方向是用EVT拟合尾部，或者用更长的窗口。

这个案例说明，回测不是走过场，它能精确定位模型的问题在哪。

5. 常见问题与排查技巧实录

5.1 击穿率正常但ES偏差大：尾部形状的问题

这是最容易被忽略的情况。击穿率刚好5%，Kupiec检验通过，但ES比值1.4，说明尾部平均损失被低估。原因通常是分布假设错误——用正态分布拟合肥尾数据，VaR阈值可能碰巧对，但尾部期望完全不对。

排查方法：画QQ图，看尾部偏离。如果尾部明显偏离对角线，就是分布问题。解决方法是换用t分布、极值理论或者直接用历史模拟。

5.2 回测结果对窗口长度极度敏感：参数不稳健

如果窗口从500天换到600天，击穿率从4%跳到8%，说明模型不稳健。这种情况通常发生在市场结构变化快的时期，或者数据里有异常值。

我的处理方式是做敏感性分析，跑多个窗口长度，看结果是否稳定。如果只在某个窗口下表现好，那大概率是过拟合。

5.3 零击穿：模型过于保守

击穿次数为0，看起来"很安全"，但其实是模型过于保守，浪费资本。这种情况常见于用很长的窗口加上正态分布假设，把VaR估得过高。

判断方法：看ES和VaR的比值。如果ES只比VaR高一点点，说明尾部很薄，可能是模型把尾部削平了。正常肥尾数据里，97.5% ES应该比VaR高20%到50%。

5.4 常见问题速查表

实操心得：回测不是一次性的，要定期做。我一般每月跑一次全量回测，每周看一次击穿监控。市场结构变化时（比如政策突变、流动性枯竭），要立即重跑。

6. 我踩过的坑和几条实用建议

第一个坑是用未来数据。早期我做回测时，不小心用了当天收盘后的数据去估计当天的VaR，结果击穿率低得离谱。后来严格用T-1日数据预测T日风险，才符合实盘逻辑。这个错误很隐蔽，因为代码跑起来不报错，但结果完全失真。

第二个坑是忽略交易成本。回测里只看收益率，没考虑调仓成本。实盘里频繁调仓会吃掉收益，也会改变风险特征。做组合回测时，要把换手率纳入考虑。

第三个坑是过度优化参数。我曾经花了两周调窗口长度和置信水平，就为了让击穿率刚好5%。后来意识到这是过拟合，样本外一跑就露馅。现在我固定用500天窗口和97.5%置信，不调了，把精力放在模型结构上。

几条实用建议：一是回测要分样本内和样本外，样本内调参，样本外验证；二是记录每次回测的完整参数和结果，方便追溯；三是不要迷信单一指标，击穿率、独立性、ES偏差要一起看；四是极端行情要单独分析，不要被平均值掩盖。

ES和VaR backtesting这套东西，说到底就是让你对自己的风险模型有清醒的认识。模型不可能完美，但回测能告诉你它什么时候会失效、失效得多严重。知道边界在哪，比假装没有边界要安全得多。