风险价值 (VaR) 计算器 — 用户指南与参考
风险价值将头寸的危险浓缩为一句话：在接下来的 N 天内，该头寸有 95% 的概率损失不超过某个金额。本指南解释公式、每个输入项，并提供一个计算示例。
Disclaimer: 本指南仅供教育用途，不构成投资建议。
VaR 估算什么
VaR 是在一定时间范围内、给定置信水平下的损失阈值。95% 的 1 日 VaR 为 1,000 美元意味着，在该模型下，95% 的日子里损失应保持在 1,000 美元以内。
公式
VaR = 头寸 × 波动率 × z 分数 × 天数的平方根。z 分数取决于置信水平（95% 对应 1.645）。时间缩放使用天数的平方根。
计算示例：10,000 美元头寸
你持有 10,000 美元头寸，日波动率为 2%，想要 1 日、95% 的 VaR。95% 单尾 z 分数为 1.645，因此 1 日 VaR = 10,000 × 2% × 1.645，即 329 美元。对于 5 天，乘以 5 的平方根：约 736 美元。
为什么正态假设是弱点
市场具有肥尾：实际损失超过正态模型 VaR 的频率高于模型预测。这就是计算器将 VaR 与 CVaR 配对的原因——CVaR 是超过阈值后尾部损失的期望值。
如何使用计算器
输入头寸金额、波动率、时间范围和置信水平。同时读取 VaR 和 CVaR。将 VaR 用于比较和排名，而不是作为最大可能损失的声明。
常见错误
最常见的错误是相信 VaR 是损失的绝对上限。另一个是假设收益呈正态分布。而将每日 VaR 随时间线性缩放是错误的。
参数说明
| 参数 | 含义 |
|---|---|
| 头寸金额 | 面临风险的头寸规模。 |
| 波动率 / 时间范围 | 预期波动率和天数。 |
| 置信水平 | 90%、95% 或 99% — 概率阈值。 |
核心概念
置信水平
概率阈值——95% VaR意味着在模型下，损失超过VaR的概率仅为5%。
波动率输入
收益率的标准差驱动估计值。
时间缩放
在正态模型下，损失随时间平方根缩放。
交易者常犯的错误
✗ 将VaR视为损失的绝对上限
✓VaR是模型下的阈值，而非保证。其后的5%尾部可能很严重——这正是CVaR试图捕捉的。
✗ 假设收益率呈正态分布
✓市场具有肥尾。实际损失超过正态模型VaR的频率高于模型预测。
✗ 将每日VaR随时间线性缩放
✓在标准模型下，风险随时间平方根缩放，而非线性——但这也是一种建模便利，而非市场事实。
该工具何时适用——何时不适用
适用情况
- ✓将单个头寸的风险总结为一个可比较的数字。
- ✓比较不同头寸或资产的风险性。
- ✓作为风险纪律的一部分，设定每日损失阈值。
不适用情况
- ✗在没有CVaR的情况下依赖它进行尾部风险管理。
- ✗在不考虑相关性的情况下估计投资组合风险。
- ✗交易一个你懒得测量VaR的头寸。
真正实用的技巧
始终将VaR与CVaR配对
VaR告诉你边界；CVaR告诉你边界之外的糟糕程度。第二个数字更有价值。
用于比较，而非预测
按VaR对头寸进行排名是合理的；将其引用为“我最多能损失多少”则不然。
波动率变化时重新估计
VaR的新鲜度取决于其波动率输入。在波动率扩大后，旧数字低估了实际风险。
相关内容与后续步骤
常见问题
VaR 的主要局限性是什么？▾
它假设了一种分布（通常是正态分布），并且对极端尾部损失描述甚少。CVaR 通过关注超过 VaR 的损失来提供帮助。
95% VaR 实际承诺了什么？▾
在模型的假设下，损失应在 95% 的时间内保持在 VaR 数值以内。它并不承诺另外 5% 是轻微的。
为什么 VaR 随时间平方根缩放？▾
在标准模型下，随机的每日波动在较长时间范围内会部分抵消，因此风险随天数的平方根增长。
VaR 是针对单个头寸还是整个投资组合？▾
两者都适用，但该计算器衡量的是单个头寸。投资组合版本还需要相关性。
VaR 与最大回撤有何不同？▾
最大回撤是历史极端值；VaR 是在分布下对损失阈值的前瞻性估计。
为什么 CVaR 比 VaR 更有用？▾
VaR 告诉你边界；CVaR 告诉你超过边界后有多糟糕。第二个数字更有价值。
- 类型
- 用户指南
- 更新于
- 2026-09
- 来源
- SoloTrade.io 教育内容
VaR 是一个带有假设的统计模型，并不保证实际损失保持在估计值以内。