市场风险
当我们进行投资时，投资的资产就会暴露在市场环境之下，面临风险。其中一个风险，就叫做市场风险。
市场风险是指银行因为利率、外汇汇率、股票和商品价格变动所造成的市场价格波动而蒙受损失的风险。
简单的说，就是资产的价格波动带来损失的风险。
图片来源网络，侵删
我们来拿最简单的股票来举个例子，如果你买了一只股票，市价为10元。
以下是五天的这只股票价格的走势：
| 天数 | 股价 |
|---|---|
| 1 | 11 |
| 2 | 12 |
| 3 | 11 |
| 4 | 9 |
| 5 | 8 |
第一天和第二天，股票都是赚钱的，你一共赚了两块钱，从第三天开始，你开始亏损，先亏了一块钱，然后持续亏损，共亏损了两块钱。
你感受到资产的价格变动带给你的风险了吗？这种因为资产价格变动而产生亏损的风险，就是市场风险。
当面对风险时，我们需要想办法控制风险，而不是任由风险蔓延，最后给自己造成无法弥补的亏损。比如，在这个例子中，你可以给自己设置止损线，我最多只能接受5块钱的亏损，所以如果股票的价格跌倒5块钱，我就会卖出。
这就是一种风险管理的思想和方法。但是，在管理风险之前，你需要知道风险到底有多大，比如这只股票，经过你的评估永远都不会跌到5元，那你把止损线设置在5元，是没有意义的。
所以，知道风险有多大，是风险管理的关键。*
真实世界中的投资情况，可比只投一只股票复杂多了。金融机构可能会投资股票，也可能投资债券、金融衍生品，比如期权、期货。面对如果庞大的资产，他们应该怎么计算风险呢？
有一种方法，是他们经常使用的，叫做VAR方法。
VAR
VAR，全称叫做value at risk ，也就是暴露在风险中的价值。
一言以蔽之：在多少概率下，这些资产在一定的期限下损失不超过多少。
举个例子，在95%的概率下，公司投资的资产一天内的损失不超过200万。或者，在99%的概率下，公司投资的资产十天内的损失不超过1000万。
听到这样的一句描述，你是不是会对自己的投资感觉到放心了？比如，你如果1天亏损了200万，就会破产，而现在通过var的方法，告诉你：在95%的概率下，公司投资的资产一天内的损失不超过200万。也就是，你的公司有95%的概率不会破产，这个比例是不是让你觉得放松下来？
但是，事情并没有绝对的哦。从这个概率的角度，我们就知道了，当那5%的事情发生的时候，我们是招架不了的，甚至只能坐以待毙。
那这5%的事情有没有可能发生呢？当然，股市中的黑天鹅事件，就是这种小概率事件。虽然概率很小，但总是让人意想不到，比如：这次2020年突如其来的疫情。
那我们有没有可能100%的控制风险呢？当然，只要你不投资。
任何事情，只要你去做了，就一定会有风险。考试也好，投资也好，本质上也都是一样的，努力复习会提高你高分的概率，但是没有人能保证你100%考高分，万一，出题的人就是让人意想不到呢？
本质上，我们的人生也是如此。买保险，努力工作，锻炼身体，都是提高我们幸福生活的概率，但是还是会有人因为极端事件而丢失生命，比如：这次2020年突如其来的疫情。
但是，我们还是应该努力提高学习，努力工作，因为不努力，连这个概率都没有呀。
所以，风险也是如此，我们不能完全控制风险，但也应该努力提高管理风险的概率。接下来，我们就来看看，如何发现风险的规律，怎么通过VAR控制风险。
最直接的VAR方法：历史模拟法
我们刚刚说了，VAR就是，在多少概率下，这些资产在一定的期限下损失不超过多少。
最简单的方法，就是把数字列出来，然后计算概率就好了。这就是历史模拟法的本质。我们来看下面这组数据：
-10，-9，-8，-7，-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6，7，8，9
一共有20个数据，我们假设这20个数据，就是你过去20天在股票市场上的盈亏（正数表示盈利，负数表示亏损）。每个数出现的概率就是1/20。
现在，如果我要你找一个数，有90%的数字大于它，有10%的数据小于它，你能找到吗？其实，很好找，真相就位于-9和-8之间。在这之间的某个数，有18个数字大于它（18/20=0.9），有2个数字小于它（2/20=0.1）。
-10，-9，| -8，-7，-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6，7，8，9
这就是历史模拟法的关键，把投资组合的损益从小到大排序，得到损益分布，然后通过分位数求出VAR。
这里的投资组合的损益，我们一般是给定历史时间段上所观测的市场因子的变化来表示市场因子的未来变化，在估计市场因子模型时，采用全值估计的方法，根据市场因子的未来价格水平对头寸进行重新估值，计算出头寸的价值变化（损益）。
这个方法，说白了，就是根据过去的价格，预测未来的价格有哪些可能的情况出现，然后评估未来的损失。毕竟，我们是面向未来管理风险，而不是面向过去。
为了简化，我们有时候不会精确的计算这之间的值，而是取左边或右边的值来算VAR，比如在这里，我们可以说一天的VAR是9(我们会省略负号，因为VAR本身就有亏损的含义）。
这里一天的VAR是9的意思是：在95%的概率下，今天的亏损不会超过9元。当然，反过来说，在5%的概率下，今天的亏损会超过9元。’
不过，如果你能容忍的亏损是20元，听到这个数据，会不会觉得心里稍微轻松下呢？
其实，还不能够哦。在5%的概率下，今天的亏损会超过9元，你怎么会知道，这个超过9元的损失，是10元，还是20元，甚至100元？
如果是100元，当这5%的概率发生时，你只能凉凉了。
图片来源网络，侵删
这就是VAR这个计算方法的缺陷了，不管用哪种方法计算的VAR（包括接下来要讲的其他VAR方法），都有这个缺陷：它没有去计算超过某个损失的风险，专业点讲，它没有计算尾部风险。
除了这个最简单的历史模拟法，历史模拟法还加入了其他方法，比如加上时间的权重，考虑波动率等等，这些模型在计算损失时会有差别，但是最根本的方法还是一样的：数数。
不过，既然叫历史模拟法，自然是很依靠历史数据的方法，如果：历史不会重演呢？
利用统计分布的VAR：参数法
如果，历史不会重演？那我刚刚所作的推测根本就没有意义，比如我拿经济好时的数据来预测VAR，突然发生了股灾，拿亏损远远跌破了我的眼镜，这时的历史数据根本就没有起作用。
所以，人们想到了第二种方法，这种方法叫：我觉得，资产的收益率大概服从正态分布吧。
正态分布，是一种在自然界中广泛存在的分布，比如人类的身高，它大概长这样：
图片来源网络，侵删
这种形态，非常接近于正态分布的形态。
图片来源网络，侵删
这是一种长得像钟一样的对称分布，最多的数据会出现的均值周围，所以这部分数据出现的概率最大，然后向两边递减。
在金融数据的分析中，很多情况下我们会假设数据满足正态分布，例如证券的收益率和价差等。 在一些量化交易策略中，正态分布也为我们提供了许多便捷，例如很多配对交易策略，就是以证券对之间的价差变化服从正态分布为假设前提的。
有了这个分布，我们就方便了。如果要计算在95%的概率下，损失不会超过多少，我们只要计算在5%的概率下，损失是多少，就能知道损失不超过多少了。
当然，正态分布只是一个我们能假定的最简单的分布，在实际中，很多资产的收益率是不符合正态分布的，可能是其他分布，也可能是完全没有分布。
如果是其他分布，找到这种分布，采用一样的方法即可。
如果没有分布，那就用历史模拟法，也是可以得出结论的。
不过，我们需要认识到的是，不管是哪种方法计算的VAR，都是一个简单的工具，它甚至不一定是个正确的工具。很多时候，可能因为简单好用，而被人们使用，比如使用参数法的VAR，我们假定收益率服从某种分布，使用历史模拟法的VAR，我们认为历史数据可以被使用。
但是，模型的假设，不会永远和现实一样，没有人真的知道明天的风险发生时，到底是什么样子。
因为，我们不是全知全能的，使用工具本身，也是一种增加获胜的概率，但是也仅仅是概率。
金融危机与VAR
VAR本身就有很多缺陷，甚至有些缺陷是因为使用了这个工具本身所带来的，比如虚幻的安全感。因为金融市场的潜在风险并不像抛硬币或啤酒盲品会那么容易预测，该模型呈现出的“伪精准”会给投资者带来虚幻的安全感。
2008年金融危机爆发之前，华尔街的许多风险管理模型都非常精确，VAR的概念让这些公司得以在不同情况下可能损失的资产进行量化，但问题是，嵌入这些模型中有关全球市场可能会发生的风险假设其实是错误的，因而精确计算所得出的结论从根本上说就是不准确的。
比如，当我们投资多种资产时，资产与资产之间是有相关性的。比如A股票和B股票，会同涨同跌，甚至A股票下跌一定会加剧B股票下跌，如果你不考虑这种相关性，那么一定会低估亏损值。
如果，你把不考虑相关性的数据嵌入VAR模型，最后的结果也一定是低估风险的，那当真正的风险来临时，你根本招架不了。就像你预估明天会下雨，加了一件毛衣，结果下了大雪，毛衣根本不能御寒。
图片来源网络，侵删
08年的金融危机，与这些公司低估资产之间的的相关性，低估亏损也不无关系。所以，看似精准的VAR也可能最后变成金融风险的源头。
所以尽管模型有再多的简洁特性和精准优点，也需要善加利用，也不能完全替代人的主观判断和分析。
网友评论