风险价值（VaR）是否是有史以来最蠢的衡量指标？ 第1页

知乎的整体用户素质已经下降到不适合进行严肃的学术讨论了吗？楼上的一句“内都是小孩儿玩儿的”就把 JP Morgan 的风险部门的心血直接打翻了，好心人追问原因，结果来一句“天机不可泄露”，擦！

看不下去了，作为一个研究风险的从业人士，斗胆啃一下硬骨头。

==========吐槽结束，正文开始==========

关于 VaR 的争议，一直都存在。

不少投资界的大腕批评过 VaR 的使用，Charlie Munger 算是他们中最著名的的一位。其他的专门撰写长文的包括著名的 Trader 和风险研究专家 Nassim Taleb （对，就是那个写一本叫做 Black Swan 的书的作者）和 David Einhorn （这位做投资的都知道吧）

David 在 GARP 的杂志（就是那个发 FRM 牌子的组织的杂志）上发了一篇长文【1】，写他是如何看空美国银行业的，其中对 VaR 的批评很到位（果然，好的投资者都是优秀的风控经理）：

1. 风控经理的职责是关注那些很少发生但是影响重大的风险，而不是常规损失。VaR 在设计上，把尾部风险直接砍掉了，也就是说，VaR 能够回答你 95% 或 99% 的情况下，你的最大能损失是 XX 百万刀，但是不能回答你，在那1%或 5% 的情况下（装一点的说，就是 black swan event 发生的情况下）你的最大损失是多少，在极端情况下，你的损失最小是 VaR 所统计的数，最大，不知道，也许是一个天文数字。用统计的术语说，就是让风控经理把注意力集中在那些处在分布接近中央的可以管理的常规风险，而忽略了尾部风险。
   
2. 由于VaR 不能很好的度量尾部风险，所以在那些用 VaR 去衡量风险并约束交易员的银行里面，交易员会有意规避这个监管指标（game the system），去投资那些风险非常低但是一风险损失巨大的投资机会（take excessive but remote risks），这也是为什么大银行会出现大的 trading loss 的原因之一。这里有一个小例子，就是开一个针对抛硬币的赌局，赔率是 1：127，赌硬币不可能7次都出现正面。从概率上说，这个赌很安全，出现 7 次正面的概率只有1/128，约等于 0.78%。也就是说，在 99% 的情况下，这个赌是赚钱的，这个投资机会的 VaR 值是0，因为在 99% 的情况下你是赢钱的，但是你输一次，你亏损是你平时赚的127倍，通常的金融机构都有很高的杠杆，出现一次，就会破产。
3. 第三个重要的问题，就是 VaR 是给高管汇报和监管层看的，监管者通常不是专门的风险专家，他们没有对 VaR 的深刻理解，容易让高管和监管层低估风险（have a false sense of security）。在美国 SEC 经常被讥讽为 toothless 的监管机构，就是因为在大投行的监管上，SEC 一再让步。VaR 值作为 SEC 认可的风险监管披露方式，不出意外是投行游说的结果。按照 SEC 2004年通过的条例【2】，大投行可以选择用自己的一套方法去管理风险，只要他们愿意向 SEC 做更多披露，SEC 并不具备审查投行日益复杂的资产负债表的能力，所以，基本上就是你报一个 VaR 我就认为你没问题了。在中国，大家都知道，报数会有水分的。在美国也一样。

对于肥尾风险，一个非常好的注脚是：人性不能用正态分布模型解释。在面对风险的时候，天生本性和后天教育教导我们，需要避险！一个著名的交易员法则是，不要抄底，十抄九死。（美国人也有类似说法，don't catch a falling knife.）所以，在风险来临的时候，大家会一窝蜂冲向出口，在市场狂热的时候，大家会羊群一样跟进。装一点的话说，这叫反身性。人性决定了尾部风险高于正态分布预测的那么低。所以，用正态分布算出来的 VaR 会低估风险。Taleb 为了肥尾风险写了整整一本书，有空大家看看吧。

发布了一个 Nassim Taleb 与 Philippe Jorion 的关于 VaR 的争论【3】。我引用一下他关于 VaR 的批评，由于过于 technical，需要达人指点：

At an econometric level, the problem of VAR is whether the (properly integrated) processes we observe are (weakly) stationary. If they are weakly stationary, then ergodic theory states that we can estimate parameters with a confidence level in some proportion to the sample size. Assuming "stationarity," for higher dimensional processes like a vector of uncorrelated securities returns, and for Markov switching distributions with strong asymmetry, we may need centuries, sometimes hundreds of centuries of data. （这么多数据基本是不可能完成的任务，即使美国也没有那么多数据，只能靠 bootstrapping，这个大家都知道了，误差很大的。）

（关于 VaR ，还有一个重要的问题是 VaR shock，这个是一个 negative feedback loop，这里先记下，有空补充）

不过呢， 个人认为 VaR 存在的价值是给我们一个比较简单的、量化的风险度量指标，尽管有诸多缺点。人有一个优点，就是可以进化，我们可以吸取2008年的教训，在现在这个模型的基础上改进。不过这就是在银行工作的前辈们的任务了。

以上，欢迎拍砖。

【1】

by David Einhorn

【2】Alternative Net Capital Requirements for Broker-Dealers That Are Part of Consolidated Supervised Entities，SEC：

【3】