是什么 Commodity Portfolio VaR?
▾
风险价值 (VaR) 是在指定时间范围内和给定置信水平下投资组合最大预期损失的统计指标。商品投资组合 VaR 量化商品头寸账簿中不利价格变动造成的潜在美元损失 - 同时涵盖能源、金属、农产品和其他商品风险敞口。例如，1天99% VaR为500万美元，意味着在正常市场条件下，单个交易日损失超过500万美元的可能性只有1%。 VaR 是商品交易公司、投资银行、对冲基金和能源公司市场风险管理的基石。巴塞尔 III 银行框架要求银行根据交易账户 VaR 维持资本，受欧洲 EMIR 和美国多德弗兰克法案监管的商品公司将 VaR 用于保证金和抵押品目的。与股票或固定收益投资组合相比，大宗商品投资组合面临着独特的 VaR 挑战：大宗商品价格分布表现出肥尾和偏度，大宗商品之间的相关性在不同市场制度下发生巨大变化，实物头寸与金融头寸具有不同的风险状况，期限结构风险（合约月份之间的基础）与直接价格风险同样重要。使用三种主要的 VaR 方法： 参数（方差-协方差）VaR 假设回报呈正态分布并使用相关矩阵；历史模拟 VaR 重演当前投资组合的实际历史价格变化，无需分布假设；蒙特卡罗 VaR 使用估计价格过程生成数千个模拟场景，捕获期权的非线性风险。大宗商品公司通常会针对特定的极端情况（例如，2020 年新冠病毒价格暴跌、2008 年大宗商品超级周期逆转）进行压力测试来补充 VaR，因为 VaR 系统性地低估了市场混乱期间的尾部风险。
DigiCalcs delivers precision-engineered tools for engineers and STEM professionals.
公式
▾
有关适用的公式和输入，请参阅计算器界面。该公式通过输入变量的数学关系来计算商品var calc。每个组件代表一个可以独立验证的可测量数量。变量说明
▾
| 符号 | 名称 | 单位 | 描述 |
|---|---|---|---|
| VaR | 风险价值 | USD | 给定置信水平（例如 99%）在指定时间范围（例如 1 天）内的最大预期损失。 |
| σ_p | 投资组合波动性 | percent per period | 投资组合每日或定期回报的标准差，考虑头寸之间的相关性。 |
| z | Z 分数（置信度） | dimensionless | 置信水平的标准正态 z 分数； 99% 时 z=2.326，95% 时 z=1.645。 |
| W | 投资组合价值 | USD | 投资组合中商品头寸按市值计价的总价值，是商品无差值计算中的关键参数，直接影响最终的计算结果 |
| ρ_ij | 相关矩阵 | dimensionless (-1 to +1) | 商品价格回报之间的成对相关性；对于多元化收益计算至关重要。 |
| CVaR | 条件 VaR（预期缺口） | USD | 假设损失超过 VaR 阈值，则预期损失；捕捉 VaR 之外的尾部风险。 |
如何 Commodity Portfolio VaR
▾
- 1确定投资组合中的所有商品头寸及其按市值计价的价值和价格敏感性（线性头寸为 Delta，期权为 Delta + gamma）。
- 2收集每种商品在代表性历史时期（通常为 1-3 年）内的历史每日价格回报。
- 3构建商品收益的方差-协方差矩阵或收集完整的历史收益场景。
- 4对于参数 VaR：使用权重和相关矩阵计算投资组合方差； σ_p = sqrt(w' Σ w)。
- 5应用 z 分数：VaR = z × σ_p × Portfolio_Value × sqrt(holding_period_days)。
- 6对于历史模拟：将每个历史日收益向量应用于当前投资组合并对损失进行排序。
- 7将第 99 个百分位数的损失读出为 1 天 99% VaR；将 CVaR 计算为最差 1% 场景中的平均损失。
例题解析
▾
负相关性提供适度的多元化收益
WTI 头寸在投资组合风险中占主导地位，每日标准差为 1000 万美元 × 2.5% = 250,000 美元。黄金头寸增加了 45,000 美元的标准差，但 -0.10 的相关性使组合投资组合风险略低于简单总和。 1 天 99% VaR 为 580,691 美元，这意味着在正常市场条件下，单个交易日的损失有 1% 的可能性超过此金额。
历史模拟比参数更好地捕捉非正态分布和厚尾
将 500 个历史每日收益向量应用于当前投资组合会生成 500 个假设的损益结果。将这些从最差到最好排序，最差的 5 个场景（500 的 1%）代表尾部损失分布。 210 万美元的第五个最差结果是历史模拟 99% VaR。请注意，如果商品价格分布是肥尾的（通常是肥尾的），则该值高于参数 VaR 可能暗示的值，因为历史模拟捕获了包括极端事件在内的实际分布。
1655 万美元的历史压力损失远远超过 1D VaR — 说明了 VaR 的局限性
应用于当前投资组合的新冠崩盘情景会产生 1,655 万美元的损失（投资组合价值的 33.1%）。这种情况下的损失大大超过了大约 1-200 万美元的典型每日 VaR 数字，这说明了商品风险管理者为何通过压力测试来补充 VaR。 VaR 根据正常市场条件进行校准；新冠疫情崩盘是 VaR 系统性低估的尾部事件。压力测试确保资本和流动性储备足以应对极端但可能的情况。
根据巴塞尔协议 III SA-CCR，出于监管资本目的，CVaR 为 186 万美元，优于 VaR
有条件 VaR（预期缺口）对最差 1% 情景下的损失进行平均，得出 186 万美元，而 VaR 阈值为 120 万美元。 CVaR/VaR 比率为 1.55，表明尾部风险超出 VaR 阈值——这是肥尾商品分布的典型特征。巴塞尔协议 III 的交易账户基本审查 (FRTB) 从 VaR 转向预期缺口作为主要监管风险指标，正是因为 CVaR 更好地捕捉了损失尾部的形状。
实际应用
▾
商品贸易公司和银行的交易台风险管理。此应用程序通常由需要精确定量分析以支持各自领域的决策、预算和战略规划的专业人士使用
巴塞尔协议 III 商品交易账户监管资本计算。行业从业者依靠此计算来对绩效进行基准测试、比较替代方案并确保符合既定标准和监管要求，从而帮助分析师生成准确的结果，以支持跨组织的战略规划、资源分配和绩效基准测试
使用 SPAN VaR 方法的 CME/ICE 保证金要求 - 学术研究人员和学生使用此计算来验证理论模型、完成课程作业并加深对基本数学原理的理解
向投资者和主要经纪商提供商品对冲基金风险报告。财务分析师和规划人员将此计算纳入其工作流程中，以生成准确的预测、评估风险场景并向利益相关者提供数据驱动的建议
用于董事会报告的公司财务商品风险量化。此应用程序通常由需要精确定量分析以支持各自领域的决策、预算和战略规划的专业人士使用
特殊情况
▾
在实践中，这种边缘情况需要仔细考虑，因为标准假设可能不成立。当在商品组合var计算器计算中遇到这种情况时，从业者应该验证边界条件，检查除零风险，并考虑模型的假设在这些极端条件下是否仍然有效。
在实践中，这种边缘情况需要仔细考虑，因为标准假设可能不成立。当在商品组合var计算器计算中遇到这种情况时，从业者应该验证边界条件，检查除零风险，并考虑模型的假设在这些极端条件下是否仍然有效。
在实践中，这种边缘情况需要仔细考虑，因为标准假设可能不成立。当在商品组合var计算器计算中遇到这种情况时，从业者应该验证边界条件，检查除零风险，并考虑模型的假设在这些极端条件下是否仍然有效。
典型商品每日价格波动（年化，2022-2024 年平均值）
▾
| 商品 | 年化交易量 | 每日交易量约 | 每 100 万美元 1D 99% VaR | 主要风险驱动因素 |
|---|---|---|---|---|
| 西德克萨斯中质原油 | 35-45% | 2.2-2.8% | $51,000-65,000 美元 | OPEC+决策、EIA数据 |
| 天然气 (HH) | 60-100% | 3.8-6.3% | $88,000-147,000 | 天气、液化天然气出口 |
| RBOB 汽油 | 35-50% | 2.2-3.1% | $51,000-72,000 美元 | 裂解价差、炼油厂运营 |
| 金子 | 12-18% | 0.75-1.1% | $17,500-26,000 美元 | 美联储政策、美元、风险情绪 |
| 银 | 25-40% | 1.6-2.5% | $37,000-58,000 美元 | 黄金相关性+工业品 |
| 伦敦金属交易所铜 | 20-30% | 1.3-1.9% | $30,000-44,000 美元 | 中国的需求、供给 |
常见问题
▾
VaR 对于商品投资组合有哪些限制？
VaR 在商品应用中存在几个显着的局限性：（1）它假设收益分布为正态（或接近正态），但商品收益表现出强烈的肥尾和偏度； (2) 参数 VaR 中使用的相关性是根据历史数据估计的，并且在市场混乱期间可能会发生巨大变化； (3) VaR 没有捕捉流动性风险——在非流动性市场中平仓大量头寸的成本； (4) 如果仅使用一阶 Delta 敏感性，则忽略期权头寸的凸性（伽玛风险）； (5)它是向后看的，可能无法捕获历史数据中不存在的新风险类型（例如碳价格风险）。
VaR 和预期缺口有什么区别？
99% 置信水平的 VaR 告诉您在 99% 的交易日中预计会出现的最大损失，但它无法告诉您在最糟糕的 1% 的交易日中情况会变得多么糟糕。预期缺口 (CVaR) 回答了这个问题：假设您处于最差的 1% 的结果中，平均损失是多少？对于大宗商品回报等肥尾分布，ES 通常是 VaR 的 1.5-2.5 倍，揭示了 VaR 忽略的尾部损失的严重性。巴塞尔协议 III 交易账簿基本审查要求 ES 而不是 VaR 来监管交易账簿资本。
VaR 如何用于商品保证金要求？
交易所清算所（CME Clearing、LME Clear）使用历史模拟 VaR 的变体（SPAN — 标准投资组合风险分析，由 CME 开发）来计算期货头寸的初始保证金要求。 SPAN 模拟价格和波动情况矩阵下的投资组合收益和损失，将保证金设定在覆盖不利但合理条件下预期损失的水平。较高的 VaR = 较高的保证金要求 = 更多的资本被占用在交易操作中。交易者积极寻求投资组合抵消（减少净风险价值的多头和空头）以最大限度地降低保证金要求。
什么是商品投资组合中的相关风险？
商品相关性高度不稳定且依赖于制度。在正常市场中，石油和铜的相关性可能为0.4；在需求冲击期间，随着所有周期性商品一起下跌，它们可以达到 0.9。相反，供应冲击往往会影响个别商品，打破典型的相关性。在危机时期，黄金通常与风险资产呈负相关，但当金融压力迫使所有资产清算时，黄金可能会失去这种特性。使用根据平静市场估算的固定相关矩阵的 VaR 模型会系统性地低估危机期间的风险。
商品期权如何影响 VaR 计算？
期权创建了非线性收益曲线，简单的基于 Delta 的 VaR 方法会低估这种收益曲线。 WTI 原油的多头看涨期权具有正 Delta（当油价上涨时收益），但也具有正 Gamma（随着油价上涨，Delta 加速）。标准Delta VaR仅根据线性价格敏感性计算风险； delta-gamma VaR 添加了二阶凸性校正。对于大型期权账簿，在每个历史情景下进行全面重估（全网格重新定价）对于准确的 VaR 是必要的，因为分析近似值对于深度实值期权或接近到期期权来说是不够的。
什么是回测以及为什么 VaR 模型需要回测？
回溯测试将 VaR 模型预测与实际的后续每日损益结果进行比较，以评估模型的准确性。如果正确校准了 99% 的 1 天 VaR，您应该会看到实际损失大约有 1% 的时间超过 VaR 预测（对于每日数据，每年大约 2-3 次）。巴塞尔协议III的红绿灯系统按照每年回测例外的数量对VaR模型进行分类：少于5个例外=绿区（模型可接受）； 5-9 = 黄色区域（应用额外资本）； 10+ = 红色区域（模型被拒绝，强制重新校准）。监管机构使用回测结果来评估银行内部 VaR 模型的健全性。
期限结构风险如何适应商品 VaR？
商品投资组合很少是单一现货敞口——它通常包含多个合约月份的头寸（例如，多头 6 月原油、空头 9 月原油），同时暴露于直接价格变动和月份之间的价差。期限结构风险（也称为曲线风险或基差风险）要求在 VaR 计算中包括整个期货曲线的相关结构。如果月份之间的利差波动较大，具有抵消近端和远端头寸的投资组合可能具有较低的直接价格 VaR，但具有显着的期限结构 VaR。复杂的商品风险系统将整个远期曲线建模为相关风险因素。
常见错误注意事项
▾
- !使用 VaR 作为唯一的风险衡量标准——始终补充压力测试、情景分析和预期缺口以进行完整的风险评估。
- !从可能不包括压力周期的短历史窗口估计相关性——使用压力相关性和正常周期相关性。
- !通过简单加法来汇总商品子投资组合的 VaR——这会忽略多元化收益，从而夸大了总投资组合的 VaR。
- !未能考虑期限结构风险——将每种商品头寸视为单一现货敞口会错过合约月份之间的基差风险。
- !将 VaR 违规视为模型失败 - 预计会出现 99% 置信度的常规 VaR 违规（每年约 2-3 次），并且不应自动触发模型更改。
专业提示
通过“敏感性损益”归因来补充您的每日 VaR 报告 - 细分投资组合的 VaR 有多少来自每种商品和每个风险因素（直接价格、曲线形状、波动性）。这种归因识别了聚集风险价值掩盖的集中风险，并将对冲注意力转向投资组合风险的最大边际贡献者。
你知道吗？
J.P. Morgan 于 1994 年推出 RiskMetrics（第一个标准化 VaR 框架），实现了市场风险衡量的民主化，并最终使 VaR 成为全球金融风险管理的通用语言。最初的 RiskMetrics 技术文档在互联网上免费发布，这是改变整个金融行业的开源风险方法论的早期例子。
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
获取每周数学提示
加入 12,000+ 订阅者，每周都会获得计算器提示。