风险度量 — 波动率 / VaR / CVaR / 最大回撤 / 下行风险

读完本页后，你应该能够：

• 默写波动率 / Sharpe / Sortino / VaR / CVaR / MDD 的公式与直觉
• 区分"对称风险"（波动率）与"非对称风险"（下行偏差 / 最大回撤）
• 解释 VaR 的三大缺陷与 CVaR 如何修正
• 做一次简化的情景分析（Scenario Analysis）
• 区分已实现波动率与隐含波动率
• 给组合设定可操作的风险预算

风险度量三大类：(1) 波动率家族（σ / β / Sharpe / Sortino / Calmar）衡量收益分散程度；(2) 分位数家族（VaR / CVaR / 最大回撤）衡量极端损失；(3) 情景 / 压力测试衡量特定事件下的损失。对投资者最实用的四个指标：年化波动率（了解日常波动）+ 最大回撤（了解历史最坏情况）+ Sharpe 比（单位风险收益）+ CVaR 5%（尾部平均损失）。风险管理的核心不是精确测量，而是防止永久损失——这意味着用分散 / 仓位控制 / 止损组合控制下行，而不是单纯追求高 Sharpe。Taleb 提醒："没看到黑天鹅不等于不存在"——历史数据永远低估未来极端风险。

1.1 学术定义：波动率

收益率的标准差 σ，衡量回报围绕均值的分散程度。

优点：可计算、有数学工具（CAPM / MPT / Black-Scholes 都基于此） 缺点：对称（上行波动也算风险）、假设正态分布（低估厚尾）

1.2 Buffett 定义：永久损失概率

Risk comes from not knowing what you're doing.

Buffett 的风险 ≠ 波动，是本金永久灭失的概率。股价下跌 50% 后仍能涨回来就不是真风险；公司破产 / 业务消亡才是。

1.3 调和两种定义

• 短期投资 / 交易：关注波动（影响流动性与杠杆）
• 长期投资 / 配置：关注永久损失（影响复利）
• 组合管理：两者都要

2.1 标准差（σ）

$\sigma =sqrt(\Sigma (r_i-r_{mean}{)}^2/(N-1))$

• 年化 = 日 σ × sqrt(252)
• 月度年化 = 月 σ × sqrt(12)

典型水平（年化）：

2.2 β（Beta）

$\beta =Cov(r_i,r_m)/Var(r_m)$

• β = 1：与市场同步
• β > 1：比市场波动大（杠杆）
• β < 1：防御性
• β < 0：反向（罕见，如黄金对美元）

2.3 Sharpe 比率（收益 / 总风险）

$Sharpe = (r_{portfolio} − r_f) / \sigma _{portfolio}$

• 经验标尺：
  • < 0.5：平庸
  • 0.5–1.0：及格
  • 1.0–2.0：优秀

  • 2.0：顶级（机构水平）

  • 3.0：可能数据问题（过拟合 / 回测偏差）

2.4 Sortino 比率（收益 / 下行风险）

Sharpe 的改进：只把下行偏差算作风险（上行波动不罚）：

$Sortino = (r_{portfolio} − r_f) / \sigma _{downside}$ 对投资者更相关（我们不怕赚多，怕亏多）。

2.5 Calmar 比率（收益 / 最大回撤）

Calmar = 年化收益 / 最大回撤绝对值 长期趋势跟随基金常用（因 Sharpe 不捕捉回撤持续时间）。

3.1 VaR（Value at Risk）

定义：在给定置信水平下，组合在给定时间内最多会损失多少。

例："95% 1 日 VaR = 100 万"：意味着未来 1 天有 95% 概率损失**不超过** 100 万，也意味着 5% 概率损失超过 $100 万。

三种计算方法：

1. 参数法 / 历史模拟法：假设正态，σ × 1.65 = 5% VaR
2. 历史模拟法：取过去 N 天的实际损益分布，取 5% 分位数
3. 蒙特卡洛模拟：随机采样大量路径

3.2 VaR 三大缺陷

1. 不告诉你尾部里有多糟：VaR 只告诉"超过这个数的概率 < 5%"，不告诉"超过后平均多少"
2. 假设依赖：正态假设在极端事件下严重失效
3. 不满足次可加性：VaR 可能说"组合 VaR > 各成分 VaR 之和"，违反分散化直觉

3.3 CVaR（Conditional VaR / Expected Shortfall）

修正 VaR 缺陷 1：告诉你超过 VaR 后的平均损失。

CVaR_5% = E[Loss | Loss > VaR_5%] 例：95% 1 日 VaR $100万\to CVaR可能是$150 万（发生最坏 5% 场景时的平均损失）。

CVaR 满足次可加性，满足一致性风险度量公理（Artzner 1999）——学术和监管更推荐。

3.4 最大回撤（Maximum Drawdown, MDD）

MDD = min[(组合当前价值 − 之前峰值) / 之前峰值] 从任何历史高点到之后最低点的跌幅。

典型水平：

对投资者的意义：回撤决定你是否能坚持持有。50% 回撤需要 100% 涨幅回本；心理承受能力极限通常是 20–30%。

3.5 回撤持续时间（Time Underwater）

从峰值下跌到再次创新高所需时间。历史上 S&P 500 有过：

• 1929–1954（25 年）
• 1966–1982（16 年，通胀调整后）
• 2000–2013（13 年，通胀调整后）

Marks 警告：回撤深度 + 持续时间的组合是风险的真实形态。

4.1 下行偏差（Downside Deviation）

只考虑低于某门槛（通常是 0 或无风险利率）的回报：

${\sigma }_{downside}=sqrt(\Sigma (min(r_i-MAR,0){)}^2/N)$ MAR = Minimum Acceptable Return，典型取 0 或 $r_f$。

4.2 半方差（Semi-Variance）

只对下行方差求和。与下行偏差类似。

4.3 Omega 比率

整个分布的"上行-下行比"积分形式。更复杂但更全面。

4.4 为什么重要

正态分布下 σ ≈ 下行 σ；但实际金融回报是左偏 + 厚尾——下行风险 > 上行偏差。用下行度量更真实。

5.1 历史情景重放

把历史危机的市场表现套到当前组合：

对当前组合模拟每个情景下的损失，做规划。

5.2 假设情景（Hypothetical）

• 美国评级降级（历史有 2011 年）
• 台海地缘冲突
• 美元丧失储备地位
• AI 泡沫破灭
• 加密监管打击

5.3 敏感度分析（Sensitivity）

单一因子变动 X%，组合如何？

• 利率 +100 bp：组合 ?
• 美元升值 10%：组合 ?
• 油价翻倍：组合 ?

6.1 已实现波动率（Realized / Historical Volatility）

过去 N 天价格计算出的实际 σ。后视镜。

6.2 隐含波动率（Implied Volatility, IV）

从期权价格反推 Black-Scholes 所需的 σ。前视镜——市场对未来波动率的预期。

6.3 VIX（恐慌指数）

S&P 500 30 天 IV 的加权平均。

• < 15：低波动，市场平静
• 15–20：正常
• 20–30：警惕 / 压力

• 30：恐慌 / 机会

• 40：极端恐慌（罕见，2008 / 2020）

6.4 IV Rank vs IV Percentile

• IV Rank：当前 IV 在过去 52 周最高 - 最低区间的位置
• IV Percentile：当前 IV 高于多少天

参见 期权基础。

7.1 相关性矩阵（Correlation Matrix）

组合所有资产两两之间的相关系数 ρ。

7.2 关键经验数字

7.3 相关性不稳定

危机时相关性趋于 1（"all correlations go to 1 in a crisis"）。 正常时期股债负相关；2022 年同跌。正常时期 BTC vs 美股低相关；2020–2025 逐步上升。

投资含义：不能假设过去的分散化在危机时依然有效。

8.1 组合波动率目标

设置组合的目标波动率（如 10%），反推各资产权重。

8.2 单笔风险预算

• 单笔最大亏损 ≤ 组合净值 1%
• 单股最大仓位 ≤ 组合 20%
• 单行业 ≤ 30%

8.3 风险贡献

每类资产对组合总风险的贡献： $风险贡{献}_i=w_i\times (Cov(i,portfolio)/{\sigma }_{portfolio})$ Risk Parity 策略（如 Dalio All Weather）让每类资产风险贡献相等。参见 资产配置理论。

综合判断：这是一个表现不错的稳健组合。单看 σ 或 Sharpe 都会遗漏信息。

10.1 黑天鹅（Black Swan）

• 过去没发生过 → 不代表不会发生
• 小概率大影响事件 → VaR 低估，CVaR 也低估
• 2008、2020、2022 都是"应该不可能"的事件

10.2 反脆弱（Antifragile）

• Fragile：受冲击损失大（典型做空波动率策略）
• Robust：受冲击损失小
• Antifragile：受冲击反而获益（如长期深虚期权组合）

10.3 Barbell 策略

Taleb 推荐：

• 85–90% 极度安全（短债 / 现金）
• 10–15% 极度激进（深虚期权 / 风险资产）
• 回避中间 beta 仓位

这是反脆弱设计——大多数时候小亏，偶尔大赚。

11.1 硬性规则

1. 单笔最大亏损 ≤ 组合 1–2%
2. 组合 MDD 预期 ≤ 30%
3. 单股仓位 ≤ 20%
4. 单主题 ≤ 30%
5. 杠杆不超过 1.2×（除非对冲）

11.2 软性原则

• 睡得好测试："这个仓位让我失眠吗？" — 是 = 过大
• 解释测试："我能在 1 分钟内向配偶解释这笔投资吗？" — 否 = 理解不够
• 20% 测试："如果明天跌 20%，我会恐慌吗？" — 是 = 仓位过大

11.3 定期复盘

每季度：

1. 实际收益 vs 预期
2. 实际 MDD vs 容忍度
3. 实际相关性 vs 预期
4. 情景分析（下次 2008 / 2020 / 2022 发生我会亏多少）

1. Jorion《Value at Risk》（教材级权威）
2. Taleb《Fooled by Randomness》+《Black Swan》+《Antifragile》 — 思想框架
3. Meir Statman《Behavioral Finance》 — 风险感知的行为角度

• 风险 ≠ 波动率；真正风险是永久损失概率（Buffett）
• 波动率家族：σ / β / Sharpe / Sortino / Calmar
• 分位数家族：VaR（含缺陷）/ CVaR（修正 VaR）/ MDD
• 下行风险比对称波动更真实（金融回报左偏 + 厚尾）
• 情景分析 + 压力测试 > 任何单一度量
• VIX > 30 = 恐慌 / 机会信号
• 相关性危机时趋于 1，不可假设分散化永远有效
• 单笔 1–2% / 单股 20% / 单主题 30% 是常用硬红线
• Taleb barbell 策略：85% 极安全 + 15% 极激进 = 反脆弱
• 组合使用指标（σ + Sharpe + MDD + CVaR）才能全貌

• ← 索引
• Reading List
• 资产配置理论
• Kelly 仓位 sizing
• 行为金融
• 期权基础
• Howard Marks
• Dalio Principles
• Roadmap L7 组合与风控