尾部風險：VaR 閾值之外遺漏了甚麼

閾值不是最大值

風險價值，即 VaR，概括特定時間範圍和置信水平下的損失分位數。單日 95% VaR 是與模型單日損失分布上尾對應的閾值。它不是最大可能損失、承諾的止損位，也不表示明天的損失存在上限。

僅有置信水平並不完整。美元金額取決於組合規模、持倉、估值方法及所用分布。歷史法、參數法和模擬法，由於假設不同，可能給出不同答案。始終註明正負號慣例：有些系統報告正的損失金額，另一些則顯示負的收益門檻。

追問更壞結果有多嚴重

預期損失考察所選最差結果部分的平均損失，並在離散分位數邊界進行適當處理。因此，它描述了僅看分位數可能掩蓋的尾部嚴重程度。兩個組合可能具有相近 VaR，卻在該閾值之外有非常不同的損失。

這些額外信息並不使該指標萬無一失。尾部觀測稀少，因此估計可能不穩定。短樣本可能不包含任何類似下一場危機的事件。監管市場風險框架在特定模型中使用預期損失，但教學計算不是監管資本評估，不應借用該術語的權威性。

離散情境中的尾部定義尤其重要。假設損失以 97% 機率為零、2% 機率為一百美元、1% 機率為一千美元。按最小損失分位數約定，95% VaR 為零；但最差 5% 結果的平均損失為 (0.02 × 100 + 0.01 × 1000 + 0.02 × 0) / 0.05 = 240 美元。若只對嚴格高於 VaR 的損失取平均，會得到四百美元，回答的是另一問題，因為這些結果只佔分布的 3%。

歷史上沒有發生不代表不可能

歷史模擬利用過去的變動重新估值或近似估值當前組合。其透明度很有用，但不能自動代表樣本以外的事件。槓桿、交易場所或工具本身的結構變化，可能使熟悉的歷史衝擊在今天產生不同表現。

參數模型同樣需要審查。假設收益服從正態分布，可能低估某些極端結果和依賴關係。以時間平方根來縮放單日風險，依賴於有關依賴性和分布的嚴格假設；這並非適用於缺乏流動性的倉位或非線性產品的普遍規則。應展示對替代假設的敏感性，而不是將某個模型呈現為組合的客觀屬性。

尾部依賴與流動性應結合考慮

極端情況下的共同變動可能不同於普通交易日測得的相關性。當融資收緊時，多個看似具有分散效果的倉位可能同時難以賣出。虧損隨後可能提高抵押品要求，迫使賣出，並進一步壓低價格。靜態收益分布可能遺漏這種反饋效應。

納入點差擴大、執行延遲及無法獲得對衝的情景。對於期權或槓桿產品，應在敏感度變化下重新估值倉位，而不是外推某個小幅變動估計。操作中斷也可能把可控的不利價格變化變成更大的實際損失。如果假設每次尾部事件中退出流程都完美運行，風險計量就是不完整的。

運用多個視角並檢查例外

將量化尾部指標與情景損失、集中度報告及現金流壓力測試結合。每種方法凸顯不同問題。當實際損失超過模型 VaR 閾值時，應調查該事件是否符合預期超限頻率、模型實施是否正確，以及底層分布是否變化。

不要僅僅為了讓近期超限事件消失而重新校準。保留以往預測，以便誠實地評估模型。有用的尾部風險報告應說明包含了甚麼、未包含甚麼、估計存在多大不確定性，以及哪些決策依賴它。最大的危險往往是把一個簡潔統計量當作忽視其背後假設的許可。

解釋超限之前，先核對預測究竟在預測什麼

預測與檢驗它的實際結果必須對應同一對象。針對昨日收盤持倉的一日風險預測，不能直接與包含今天新增交易、提款和無關費用的帳戶損益比較。要檢驗模型對昨日持倉的描述，應保留持倉固定口徑的比較；要瞭解真實交易過程，則另看實際帳戶結果。兩者都重要，混在一起卻難以判斷超限來自哪裡。

在理想、校準正確且損失連續的模型下，一日 99% VaR 應在 1% 的交易日被突破。二百五十天內的預期次數為 2.5，而不是一定出現兩次或三次。若突破事件獨立且機率不變，至少出現一次的機率為 1 − 0.99²⁵⁰，約 91.9%。因此，一次超限不自動證明模型失敗；反過來，總次數很少也不證明模型合格，尤其當所有超限集中在同一個短期事件中。

嚴重程度與頻率是不同診斷。略微超過門檻，與損失達到門檻的十倍，都只記為一次 VaR 超限，但經濟後果完全不同。應檢查損失金額、當時條件和之前發佈的預測。一個模型可能大致預測對次數，卻遺漏融資壓力導致的嚴重虧損聚集；這仍未回答完整的風險問題。

信賴水準越高，可用尾部樣本越少。一千個等權歷史情境中，最差 1% 只有十個觀測。替換其中一個就可能顯著改變尾部均值，尤其當它是極端損失。改變持有期或加入額外壓力情境，也會改變正在回答的問題。應把尾部觀測數量、權重規則和對最大幾筆損失的敏感度，與主指標一起展示；更多小數位不能補足稀缺資訊。