是什么 Conditional VaR (CVaR/ES)?
▾
条件风险价值 (CVaR)，也称为预期缺口 (ES) 或预期尾部损失 (ETL)，是一种风险度量，用于量化最坏情况下超过风险价值 (VaR) 阈值的平均损失。 VaR 回答“在给定置信水平下我预计不会超过的最大损失是多少”，而 CVaR 则回答“鉴于我已经超过了 VaR 阈值，我应该预期的平均损失是多少？”这使得 CVaR 成为捕捉尾部风险（不经常发生但具有毁灭性影响的灾难性损失）的卓越风险衡量标准。 例如，如果投资组合的 95% 1 天 VaR 为 100 万美元，则意味着一天损失超过 100 万美元的可能性为 5%。 95% 的 CVaR 将是最糟糕的 5% 情景中所有损失的平均值——也许是 180 万美元。在相同置信水平下，CVaR 始终大于或等于 VaR，并提供有关极端损失的严重性（而不仅仅是概率）的关键信息。 出于多种原因，CVaR 已成为现代风险管理和监管框架中的首选风险衡量标准。首先，它是连贯的：与 VaR 不同，CVaR 满足次可加性的数学属性（组合投资组合的 CVaR 不大于单个 CVaR 的总和），这意味着多元化总是会得到回报。 VaR 缺乏这个属性。其次，CVaR 提供了有关损失分布尾部的更多信息。第三，CVaR 是凸的，可以使用线性规划进行优化，这使得它对于投资组合优化非常实用。 巴塞尔银行监管委员会(BCBS)正式将市场风险框架从VaR转向交易账户基本面审查(FRTB)中的预期缺口，并于2023年全面生效。在FRTB下，银行必须以97.5%的置信水平计算ES(相当于正态分布下尾部覆盖率99%的VaR)，捕获更多的尾部风险。这一监管转变承认 VaR 系统性地低估了市场危机期间的风险，2008 年全球金融危机和随后的压力时期就证明了这一点。 CVaR 可以通过历史模拟（平均观察到的尾部损失）或使用蒙特卡洛模拟（平均模拟尾部损失）来分析计算（对于正态分布收益）。每种方法都有优点和缺点，复杂的风险系统通常使用这三种方法进行交叉检查。
DigiCalcs delivers precision-engineered tools for engineers and STEM professionals.
公式
▾
参数 CVaR（正常）： CVaR_α = −μ + σ × φ(Φ⁻1(α)) / (1−α)
历史CVaR：所有观察到的超过VaR_α的损失的平均值
平行：CVaR = E[损失|损失>VaR_α]变量说明
▾
| 符号 | 名称 | 单位 | 描述 |
|---|---|---|---|
| α | 置信度 | % | 概率阈值：VaR为95%或99%；巴塞尔 III ES 为 97.5%。 CVaR 衡量超出此水平的平均损失。 |
| VaR_α | 风险价值 | USD | 置信度α处的损失阈值； CVaR 是超过 VaR 的损失的平均值。 |
| CVaR_α | 有条件的 VaR / 预期缺口 | USD | 平均损失以处于 (1−α) 最差尾部为条件； CVaR 始终≥ VaR。 |
| σ | 投资组合波动性 | %/day or %/year | 投资组合回报的标准差；参数 CVaR 计算的主要输入。 |
| ES_ratio | ES/VaR比率 | ratio | CVaR除以相同置信水平下的VaR；对于正态分布，99% ES/VaR ≈ 1.14；肥尾分布的值更高。 |
如何 Conditional VaR (CVaR/ES)
▾
- 1指定置信水平 (α)：内部风险管理通常为 95% 或 99%；巴塞尔协议 III FRTB 监管资本为 97.5%。
- 2收集投资组合收益数据：历史收益（历史模拟）或模型参数μ和σ（参数）。
- 3计算 α 水平的 VaR：损失以概率 (1−α) 超出。对于正常情况：VaR = −μ + σ × Φ⁻1(α)。
- 4对于历史CVaR：将所有历史损失从最坏到最好排序；平均最差 (1−α)% 观测值中的损失。
- 5对于参数 CVaR（正态）：CVaR = −μ + σ × [φ(Φ⁻1(α)) / (1−α)]，其中 φ 是标准正态 PDF，Φ⁻1 是逆 CDF。
- 6对于蒙特卡罗CVaR：模拟数千个投资组合回报场景；按损失排序；平均模拟结果的最差 (1−α)%。
- 7报告 CVaR 以及 VaR 和 ES/VaR 比率。与资本储备和风险限额进行比较。根据巴塞尔 FRTB，ES 取代 VaR 作为主要的监管资本指标。
例题解析
▾
CVaR 比 VaR 大 15% — 捕捉极端损失的严重程度
对于正态分布：VaR₉₉% = σ × Φ⁻1(0.99) = 1.5% × 2.326 = 3.489% → $348,900。 CVaR₉₉% = σ × φ(2.326) / 0.01 = 1.5% × (0.02665 / 0.01) = 1.5% × 2.665 = 3.998% → 399,800 美元。 40 万美元的 CVaR 代表最糟糕 1% 的日子里的平均每日损失。这意味着在最糟糕的日子里，投资组合预计平均损失 400,000 美元，而不仅仅是 348,900 美元的 VaR 阈值。风险管理者使用 CVaR 来确定尾部事件的资本缓冲大小。
历史尾部比正常情况更肥——CVaR/VaR 比率=1.47x
具有 95% 置信度的 2,520 个观测值：最差的 5% = 126 个观测值。将所有回报从最差到最好排序；第 126 个最差的是 VaR 截止值（损失 = 1.5% × 5000 万美元 = 75 万美元）。对所有 126 个最严重损失进行平均：如果平均最差 5% 损失为 2.2%，则 CVaR = 2.2% × 5000 万美元 = 1,100,000 美元。 1.47 的 CVaR/VaR 比率反映了实际股票回报的肥尾现象——实际分布比正态分布预测的极端事件更多。这就是为什么历史模拟通常会产生比参数方法更高的 CVaR。
FRTB 在压力历史情景下使用 97.5% 的 ES — 取代旧的 99% VaR
根据巴塞尔协议 III FRTB（2023 年生效），交易账户的市场风险资本使用 10 天流动性期限内 97.5% 置信度的预期缺口，并根据压力历史时期进行校准。正态性下的 97.5% ES 大约等于尾部区域的 99% VaR，但 ES 捕获了超出阈值的损失幅度。银行必须确定其历史上最严重的一年压力期，并使用该数据计算 ES。资本= ES_stressed × 不同资产类别的流动性调整因子。
CVaR 是次可加性的 — VaR 不是（VaR 不符合此属性）
65 万美元的组合投资组合 CVaR 小于各个 CVaR 的总和（50 万美元 + 40 万美元 = 90 万美元），这证明了 CVaR 的次可加性属性。 25 万美元的差异是多元化的好处——资产 A 和 B 不会完全同时崩溃，因此尾部损失被部分抵消。 VaR 并不总是表现出这种特性（在某些情况下，组合的 VaR 可能超过总和），这就是为什么 VaR 不是一个连贯的风险度量，而 CVaR 是。这种数学一致性使得 CVaR 更适合投资组合优化和监管资本。
实际应用
▾
银行交易账户监管资本（巴塞尔协议III FRTB），使从业者能够基于经过验证的计算方法和行业标准方法做出明智的量化决策，这需要精确的量化分析来支持跨不同组织环境和专业学科的循证决策、战略资源分配和绩效优化
对冲基金风险监控和投资者报告，帮助分析师生成准确的结果，支持跨组织的战略规划、资源分配和绩效基准测试，其中准确的数值计算对于生成可靠的输出至关重要，为企业和个人环境中的规划、评估和持续改进流程提供信息
保险公司在偿付能力标准 II 下保留充足性，允许专业人士系统地量化结果并使用可靠的数学框架和既定公式比较场景，要求系统的计算方法将原始输入数据转化为在日常专业活动中依赖定量严谨性的利益相关者的可行见解
具有尾部风险约束的投资组合优化，支持数据驱动的评估流程，其中数值精度对于合规性、报告和优化目标至关重要，需要强大的计算方法来提供一致且可验证的结果，适合专业环境中的报告、审计和长期趋势分析
养老基金资产负债风险管理，需要精确的定量分析来支持跨不同组织环境和专业学科的循证决策、战略资源分配和绩效优化
特殊情况
▾
在 4 df 的学生 t 分布下，ES/VaR 比率比正常值高 50-100%，这意味着参数正态 CVaR 显着低估了实际尾部风险。始终用历史模拟来补充参数化 CVaR。”}。处理条件 var 的专业人员应特别注意这种情况，因为如果处理不当，可能会导致误导性结果。在实践中出现这种情况时，请务必验证边界条件并使用独立方法进行交叉检查。
使用条件 var 的专业人员应特别注意这种情况，因为如果处理不当，可能会导致误导性结果。当实践中出现这种情况时，请务必验证边界条件并使用独立方法进行交叉检查。
使用条件 var 的专业人员应特别注意这种情况，因为如果处理不当，可能会导致误导性结果。当实践中出现这种情况时，请务必验证边界条件并使用独立方法进行交叉检查。
不同置信水平下的 ES/VaR 比率（正态分布）
▾
| 置信度 | VaR 乘数 (z) | ES乘数 | ES/VaR比率 | 巴塞尔申请 |
|---|---|---|---|---|
| 90% | 1.282 | 1.755 | 1.370 | 内部风险限额（通用） |
| 95% | 1.645 | 2.063 | 1.254 | 标准风险报告 |
| 97.5% | 1.960 | 2.338 | 1.193 | 巴塞尔协议 III FRTB 主要指标 |
| 99% | 2.326 | 2.665 | 1.145 | 旧版 Basel II/2.5 标准 |
| 99.5% | 2.576 | 2.892 | 1.123 | 保险/偿付能力II |
| 99.9% | 3.090 | 3.368 | 1.090 | 经济资本/极端风险 |
常见问题
▾
为什么 CVaR 被认为优于 VaR？
由于几个相互关联的原因，CVaR 优于 VaR。首先，CVaR 是连贯的：它满足次可加性（多样化总是有帮助），而 VaR 则不然。其次，CVaR 提供有关超出阈值的损失严重程度的信息，而不仅仅是超过阈值的概率。 VaR 说“你的损失不会超过 X，概率为 α”，但没有提供有关当损失超过 X 时损失有多严重的信息。第三，CVaR 是凸的，可以使用线性规划纳入投资组合优化框架中。第四，CVaR 对尾部形状更加敏感——厚尾分布产生明显更高的 CVaR，从而提供了 VaR 可能掩盖的尾部风险的真实情况。
巴塞尔协议 III FRTB 对预期缺口的要求是什么？
交易账户基本审查 (FRTB) 是巴塞尔协议 III 的市场风险框架，以 97.5% 的预期缺口取代 99% VaR 作为主要资本指标。主要要求包括： ES 必须使用 10 个工作日的流动性期限（而不是从 1 天扩展而来的旧 10 天）来计算；不同资产类别有不同的流动性期限（从大盘股的10天到某些信贷产品的120天）； ES 必须根据受压力的历史时期进行校准；银行还必须计算无压力ES以进行比较。该框架将于 2023 年对大型国际活跃银行生效，巴塞尔协议 III 将于 2025 年至 2028 年在各个司法管辖区全面实施。
不同置信水平下VaR和CVaR有何关系？
对于正态分布的收益，ES/VaR 比率是置信水平的固定函数。在 95% 时，ES 比 VaR 高约 25%。在 99% 时，ES 比 VaR 高约 14%。 ES 为 99.9%，大约高出 8%。然而，对于厚尾（尖峰）分布（更好地描述实际财务回报），该比率要高得多。具有 4 个自由度的学生 t 分布产生的 ES/VaR 比率比正常情况高 50-100%。这就是为什么历史或蒙特卡罗模拟方法通常会产生比参数正态模型更高的 CVaR。
在市场压力时期，CVaR 如何变化？
CVaR 在压力期间急剧增加，因为： (1) 投资组合波动性上升，使整个损失分布向右移动； (2) 危机期间资产之间的相关性增加至1.0，降低了多元化收益； (3) 回报分布变得更加负偏和肥尾，放大的尾部损失超出了波动性本身所能预测的范围。在 2008 年危机期间，典型的每日 VaR 估计值被违反的频率比隐含的 1% 概率高出 10-20 倍，这表明根据平静时期校准的历史 CVaR 估计值严重低估了危机中的尾部风险。这就是 FRTB 需要应力周期校准的原因。
CVaR 可以用于投资组合优化吗？
是的，这是 CVaR 相对于 VaR 的主要实际优势之一。 Rockafellar 和 Uryasev (2000) 表明，CVaR 最小化可以表示为线性程序，即使对于大型投资组合也可以通过计算处理。均值-CVaR 投资组合优化框架在给定预期收益的情况下最小化 CVaR（类似于均值-方差马科维茨优化），但将尾部风险纳入目标函数。与均值方差最优投资组合相比，这产生的投资组合对极端事件更加稳健，并且预期回报成本适中。许多机构风险管理者现在使用均值CVaR优化作为他们的主要投资组合构建框架。
什么是 CVaR 回测以及为什么它很困难？
回测 VaR 很简单：计算实际损失超过 VaR 估计值的天数，并与预期频率进行比较（例如，99% VaR 为 1%）。 CVaR 回测更具挑战性，因为 CVaR 是尾部事件的平均条件，而尾部事件很少见，这使得在数据有限的情况下进行统计推断变得困难。测试包括：(1) 条件覆盖测试——超过 VaR 的损失是否平均到预测的 CVaR？ (2) Acerbi-Szekely 谱测试——比较整个尾部分布。由于尾部事件很少见，CVaR 回测的统计功效较低，需要多年的数据才能检测到即使是适度的低估。这是定量风险管理研究的一个活跃领域。
CVaR 与压力测试有何不同？
CVaR 是给定当前分布模型的平均尾部损失的统计估计。压力测试考察具体的最坏情况——通常是历史危机（2008 年全球金融危机、COVID-19 崩盘、1987 年黑色星期一）或假设事件（地缘政治冲击、央行政策逆转、行业崩溃）。 CVaR 与模型相关，捕获建模分布下的平均尾部行为；压力测试捕获特定场景的损失，无论其统计概率如何。最佳实践将两者结合起来：用于持续日常风险监控和资本配置的 CVaR、用于特定场景准备的压力测试以及董事会级别的风险沟通。
常见错误注意事项
▾
- !将 CVaR 与 VaR 混淆——VaR 是一个阈值，CVaR 是超过该阈值的平均值。
- !使用正态分布参数 CVaR 作为唯一方法，无需根据历史模拟进行验证，这通常会显示出较厚的尾部。
- !未按照 FRTB 出于监管资本目的的要求调整压力历史时期。
- !将 CVaR 视为跨业务线的累加，而不考虑相关结构。
- !忽略流动性期限：1 天 CVaR 不适用于无法在一天内出售的非流动性头寸。
专业提示
始终一起报告 VaR 和 CVaR，以及 CVaR/VaR 比率。在 99% 置信度下，比率远高于 1.3-1.5，表明回报分布中存在厚尾，并警告 VaR 显着低估了尾部事件的严重性。
你知道吗？
Rockafellar 和 Uryasev 在 2000 年发表于《风险杂志》的论文“条件风险价值优化”中介绍了 CVaR 作为一种正式的风险衡量标准。同一篇论文展示了如何通过简单的线性规划问题计算 CVaR，首次使投资组合 CVaR 最小化变得切实可行——这是定量风险管理的重大进步。
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
参考资料
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。