尾部风险：VaR 阈值之外遗漏了什么

阈值不是最大值

风险价值，即 VaR，概括特定时间范围和置信水平下的损失分位数。单日 95% VaR 是与模型单日损失分布上尾对应的阈值。它不是最大可能损失、承诺的止损位，也不表示明天的损失存在上限。

仅有置信水平并不完整。美元金额取决于组合规模、持仓、估值方法及所用分布。历史法、参数法和模拟法，由于假设不同，可能给出不同答案。始终注明正负号惯例：有些系统报告正的损失金额，另一些则显示负的收益门槛。

追问更坏结果有多严重

预期损失考察所选最差结果部分的平均损失，并在离散分位数边界进行适当处理。因此，它描述了仅看分位数可能掩盖的尾部严重程度。两个组合可能具有相近 VaR，却在该阈值之外有非常不同的损失。

这些额外信息并不使该指标万无一失。尾部观测稀少，因此估计可能不稳定。短样本可能不包含任何类似下一场危机的事件。监管市场风险框架在特定模型中使用预期损失，但教学计算不是监管资本评估，不应借用该术语的权威性。

离散情景中的尾部定义尤其重要。假设损失以 97% 概率为零、2% 概率为一百美元、1% 概率为一千美元。按最小损失分位数约定，95% VaR 为零；但最差 5% 结果的平均损失为 (0.02 × 100 + 0.01 × 1000 + 0.02 × 0) / 0.05 = 240 美元。若只对严格高于 VaR 的损失取平均，会得到四百美元，回答的是另一问题，因为这些结果只占分布的 3%。

历史上没有发生不代表不可能

历史模拟利用过去的变动重新估值或近似估值当前组合。其透明度很有用，但不能自动代表样本以外的事件。杠杆、交易场所或工具本身的结构变化，可能使熟悉的历史冲击在今天产生不同表现。

参数模型同样需要审查。假设收益服从正态分布，可能低估某些极端结果和依赖关系。以时间平方根来缩放单日风险，依赖于有关依赖性和分布的严格假设；这并非适用于缺乏流动性的仓位或非线性产品的普遍规则。应展示对替代假设的敏感性，而不是将某个模型呈现为组合的客观属性。

尾部依赖与流动性应结合考虑

极端情况下的共同变动可能不同于普通交易日测得的相关性。当融资收紧时，多个看似具有分散效果的仓位可能同时难以卖出。亏损随后可能提高抵押品要求，迫使卖出，并进一步压低价格。静态收益分布可能遗漏这种反馈效应。

纳入点差扩大、执行延迟及无法获得对冲的情景。对于期权或杠杆产品，应在敏感度变化下重新估值仓位，而不是外推某个小幅变动估计。操作中断也可能把可控的不利价格变化变成更大的实际损失。如果假设每次尾部事件中退出流程都完美运行，风险计量就是不完整的。

运用多个视角并检查例外

将量化尾部指标与情景损失、集中度报告及现金流压力测试结合。每种方法凸显不同问题。当实际损失超过模型 VaR 阈值时，应调查该事件是否符合预期超限频率、模型实施是否正确，以及底层分布是否变化。

不要仅仅为了让近期超限事件消失而重新校准。保留以往预测，以便诚实地评估模型。有用的尾部风险报告应说明包含了什么、未包含什么、估计存在多大不确定性，以及哪些决策依赖它。最大的危险往往是把一个简洁统计量当作忽视其背后假设的许可。

解释超限之前，先核对预测究竟在预测什么

预测与检验它的实际结果必须对应同一对象。针对昨日收盘持仓的一日风险预测，不能直接与包含今天新增交易、提款和无关费用的账户损益比较。要检验模型对昨日持仓的描述，应保留持仓固定口径的比较；要了解真实交易过程，则另看实际账户结果。两者都重要，混在一起却难以判断超限来自哪里。

在理想、校准正确且损失连续的模型下，一日 99% VaR 应在 1% 的交易日被突破。二百五十天内的预期次数为 2.5，而不是一定出现两次或三次。若突破事件独立且概率不变，至少出现一次的概率为 1 − 0.99²⁵⁰，约 91.9%。因此，一次超限不自动证明模型失败；反过来，总次数很少也不证明模型合格，尤其当所有超限集中在同一个短期事件中。

严重程度与频率是不同诊断。略微超过阈值，与损失达到阈值的十倍，都只记为一次 VaR 超限，但经济后果完全不同。应检查损失金额、当时条件和之前发布的预测。一个模型可能大致预测对次数，却遗漏融资压力导致的严重亏损聚集；这仍未回答完整的风险问题。

置信水平越高，可用尾部样本越少。一千个等权历史情景中，最差 1% 只有十个观测。替换其中一个就可能显著改变尾部均值，尤其当它是极端损失。改变持有期或加入额外压力情景，也会改变正在回答的问题。应把尾部观测数量、权重规则和对最大几笔损失的敏感度，与主指标一起展示；更多小数位不能补足稀缺信息。