# 期权风险价值（VaR）
用完整重估估算期权组合的损失分位数，并正确解读和检验其局限。
规范链接: https://wiki.fcontext.com/zh-cn/options/option-value-at-risk/
事实核验日期: 2026-07-22
> 仅供教育参考，不构成投资建议
## 直接答案
期权风险价值（VaR）是在明确组合、期限、置信度、数据窗口和估值方法下得到的模型损失门槛。若损失 `L = -损益`，则：
`VaR_alpha = inf { l : P(L <= l) >= alpha }`
一日 99% VaR 为 `$20,000`，表示模型把 99% 的一日结果放在损失不超过 `$20,000` 的范围内。它不限制最大损失、不描述门槛之外的严重程度，也不保证每 100 个交易日恰好超限一次。
## 期权 VaR 如何构建
固定持仓快照和可执行计价口径。生成标的价格、各到期日波动率水平与偏斜、利率、股息、相关性和相关基差的联合变化；按指定期限推进时间，完整重估每个期权，加入股票与现金损益，再把组合损益转成损失并取经验分位数。
- **Delta 正态法：**用局部敏感度和假设分布映射风险，速度快，但可能遗漏 Gamma、Vega、偏斜、跳空及敏感度变化。
- **历史模拟：**应用真实发生过的联合因子变化并完整重估，可保留样本关系，却无法包含窗口中没发生的事件。
- **蒙特卡洛：**模拟大量联合路径并完整重估，能处理非线性交互，但依赖分布、动态过程、校准和情景设计。
应说明持仓是保持不变还是动态对冲。对非线性、路径依赖、流动性差或面临事件的期权，不应机械地用时间平方根放大短期 VaR。需要回溯检验实际超限及其聚集，并与预期损失和独立压力测试并用。
## 示例
一个 `$2,000,000` 期权组合在 `10,000` 个一日情景下完整重估。将损失从小到大排列后，选定的 99% 分位数为 `$20,000`，约有 `100` 个模型情景更差；这些尾部情景的平均损失是 `$46,000`，最差模型损失为 `$75,000`。
报告的一日 99% VaR 是 `$20,000`，不是 `$46,000` 或 `$75,000`；后两项揭示 VaR 省略的尾部。若实际某日损失 `$31,000`，就是一次 VaR 超限。超限反复或聚集，可能说明校准陈旧、因子遗漏、结构变化或可执行价格假设不当。
## 风险与局限
- VaR 不说明分位数之外损失多大，应同时报告预期损失和严重压力情景。
- 空头期权、障碍期权、临近到期与集中 Gamma 可能在采样点之间急变。
- 历史窗口可能遗漏崩盘或偏重单一环境；蒙特卡洛可能设错尾部与相关性。
- 价差扩大或深度消失时，日终模型价格可能低估退出损失。
- 行权、指派、保证金、融资和结算现金需求不会自动纳入。
- 期限、置信度、组合、估值、数据和权重口径不同的 VaR 不能直接比较。
## 常见误区
**“99% VaR 就是最大损失。”** 它只是分位数，门槛外损失可能大得多。
**“提高置信度就会更准确。”** 它进入观测更少的尾部，模型不确定性反而可能更大。
**“回溯检验通过证明未来有效。”** 它只检验特定历史区间和超限定义下的校准。
## 相关主题
- [期权预期损失](../option-expected-shortfall/)
- [Delta-Gamma 近似](../delta-gamma-approximation/)
- [期权压力测试](../option-stress-testing/)
- [期权模型风险](../option-model-risk/)
## 权威来源
- [巴塞尔委员会：市场风险最低资本要求](https://www.bis.org/bcbs/publ/d457.htm)
- [OCC《标准化期权的特征与风险》](https://www.theocc.com/company-information/documents-and-archives/options-disclosure-document)
- [佐治亚大学：线性与非线性衍生品的风险价值](https://openscholar.uga.edu/record/7803)
- [Acerbi 与 Tasche（2002）：预期损失的一致性](https://doi.org/10.1111/1467-9965.00004)