跳到正文
Financial Context Wiki

期权风险价值（VaR）：完整重估指南

通过联合情景、完整重估、明确的分位数规则、回溯检验和压力控制，构建、解读并验证期权组合 VaR。

更新于

仅供教育参考，不构成投资建议；投资可能产生损失。

直接答案

期权风险价值（VaR）是在投资组合、期限、置信水平、数据集、情景过程和估值约定均已明确时，由模型估算的损失分位数。以正数 L 表示损失，并令 L = -P&L，则：

VaR_alpha = inf { l : P(L <= l) >= alpha }

一日 99% VaR 为 $20,000，表示在该模型及其输入下，损失不超过 $20,000 的一日结果占 99%。这不表示门槛之外不可能发生损失，也不表示最坏损失是 $20,000，更不表示超限一定会按恰好 1 次对应每 100 个交易日的频率发生。

期权需要格外谨慎，因为其价值具有非线性，并随时间、波动率、现货或远期价格、利率、股息、借券成本和行权特征变化。当期权风险敞口重大时，联合情景加完整重估通常比 Delta-normal 捷径更可靠。但 VaR 仍只是一个模型输出；要说明尾部损失的严重程度和模型未覆盖的状态，还需要预期损失与独立压力测试。

计算前先明确度量口径

每个报告的 VaR 都应说明以下选择：

输入 必须固定的内容
投资组合 准确的持仓、数量、乘数、现金、股票、对冲及估值时点
损失 正负号约定、基准货币、模型损益或可执行损益，以及计入的成本
期限 日历时间或交易时间、期权估值中推进的时间，以及持有或平仓假设
置信度 alpha 以及经验分位数或插值约定
数据 回看窗口、采样频率、数据清洗、权重，以及缺失或陈旧观测值的处理
模型 风险因子、联合情景动态、估值模型、波动率曲面规则及行权处理

两个 VaR 即使都标为 99%，也不代表可以直接比较。投资组合范围、期限、数据、权重、情景构造、估值、货币和流动性约定都必须一致。监管 VaR 参数只适用于相关规则指定的主体和用途，并非适合所有投资者或风险决策的通用设置。

分两层构建期权 VaR

第一层为所有重大风险因子生成一致的联合变动；第二层将时钟推进至指定期限，并在每个状态下重估未改变的持仓快照。如果风险问题假设动态对冲或平仓，应明确编入规则、时点和成本，而不是把它们混入静态 VaR。

方法 情景层 主要的期权特有弱点
Delta-normal 假设参数化分布，并通过局部 Delta 映射风险因子变动 会遗漏重大的 Gamma、Vega、偏斜、跳跃、障碍和敏感度变化
历史模拟 将观测到的联合风险因子变动应用于当前持仓 无法纳入所选窗口中未出现的事件，并可能过度偏重某一市场状态
蒙特卡洛 按选定动态模拟联合风险因子状态或路径 依赖分布、相关性、波动率曲面、跳跃和校准假设

稳健的完整重估流程如下：

  1. 固定持仓快照、市场数据时点、基准货币和盯市约定。
  2. 映射现货或远期、各行权价和到期日的波动率、利率、股息、借券、外汇、相关性及基差风险。
  3. 按有记录的窗口、权重和动态生成联合情景，并在相关时记录随机种子。
  4. 按规定期限推进时间并完整重估每份期权，在重大时纳入行权和路径规则。
  5. 加入股票、现金、对冲、融资、费用、价差和模型化的平仓损益，且不得重复计算。
  6. 将组合总损益转换为损失，对损失排序或赋权，并应用规定的分位数约定。
  7. 保存情景归因、数据快照、模型版本和控制记录，使结果能够复现。

不要机械地按时间平方根放大短期限 VaR。这种缩放需要独立同分布变动和稳定线性敞口等强假设；期权曲率、时间衰减、路径依赖、跳跃、对冲变化和流动性不足都可能使其失效。

完整重估算例

假设冻结一个 $2,000,000 的期权组合，并在 10,000 个等权一日情景下进行完整重估。将损失从小到大排序。采用“累计概率达到 99% 时的最小损失”这一约定，排名 9,900 的观测值为 $20,000。在这个没有并列值的例子中，恰有 100 个模型损失更大。

这 100 个更严重损失的平均值为 $46,000，模型中的最大损失为 $75,000。因此，报告应区分：

  • VaR_99% = $20,000：模型估算的分位数门槛。
  • ES_99% = $46,000：按规定尾部约定计算的模型最差 1% 平均损失。
  • Worst scenario loss = $75,000：这组情景中的最大损失，并非可能发生的最大损失。

如果下一日可比损益为 -$31,000，实际损失 $31,000 超过此前的 $20,000 VaR，构成一次超限。一次超限本身既不能证明模型正确，也不能证明模型错误；还要分析其原因、规模、聚集性、持仓变化、价格来源，以及预测与损益定义是否一致。

使用前验证数值

  • 回溯覆盖率：将每个历史 VaR 与对应的后续损益比较，并按一致定义统计超限次数。
  • 检查依赖性：即使超限总数看似合理，超限聚集也可能揭示市场状态变化或遗漏的动态。
  • 核对损益：分离市场变动、时间衰减、波动率曲面变动、新交易、费用和无法解释的残差。
  • 比较基准方法：将完整重估与 Delta-normal 或 Delta-Gamma 近似比较，并解释重大差异。
  • 检验稳定性：改变回看窗口、权重、情景数、随机种子、分位数约定和波动率曲面映射。
  • 独立压力测试：纳入历史危机、假设跳空、波动率冲击、相关性破裂和流动性撤离。
  • 审查尾部严重度：报告预期损失和最坏情景，而不只报告 VaR 门槛。
  • 升级变更：当持仓、模型、市场、流动性或数据质量发生重大变化时，重新运行并复核。

回溯检验是诊断工具，不是对未来有效性的保证。巴塞尔市场风险框架以预期损失计算内部模型资本，同时保留基于 VaR 的回溯检验；美国基金规则 18f-4 则规定了其自身的 VaR 和回溯检验要求。这些例子说明必须写明用途和适用规则，而不是说明一套参数适合所有投资组合。

风险与局限

  • VaR 不衡量超过所选分位数后的损失严重程度。
  • 空头期权、障碍期权、Gamma 集中的持仓或临近到期的期权，可能在采样状态之间急剧变化。
  • 历史数据可能遗漏崩盘；模拟数据可能施加错误的尾部、相关性或波动率动态。
  • 当价差扩大、市场深度消失或交易暂停时，基于收盘价的模型估值可能低估可执行损失。
  • 行权、指派、结算、保证金、融资和平仓现金需求只有在明确建模后才会被计入。
  • 净额计算可能掩盖集中于单一发行人、到期日、行权价、波动率点或共同情景驱动因子的风险。
  • 增加情景只能减少所选模型内的抽样噪声，不能修复缺失的风险因子或错误假设。

常见误区

“99% VaR 就是最大损失。” 它只是一个分位数。门槛之外的损失可能大得多，模型支持范围之外的损失也可能超过所有模拟结果。

“99% VaR 表示亏钱概率为 1%。” 它指超过 VaR 损失门槛的概率，而不是发生任何亏损的概率。

“完整重估消除了模型风险。” 它能在每个给定状态下捕捉非线性估值，但状态、定价模型、数据和执行假设仍可能有误。

“回溯检验成功就证明模型正确。” 它只检验特定损益和超限定义下的历史覆盖率，无法认证未来市场状态。

“VaR 越低，交易越好。” VaR 只衡量模型化损失的一个维度，不能单独证明预期收益、适合度、流动性或总体风险承受能力。

相关主题

权威来源

导航

搜索知识库...