动态分位数 DQ 检验：把 VaR 突破回归到信息集上

先说结论：一个正确的 VaR 模型必须满足比”突破率等于名义值”强得多的条件：突破必须对昨天之前的一切信息不可预测。Engle 和 Manganelli（2004）的动态分位数（DQ）检验把这个条件变成一个回归——把去中心化的突破序列回归到滞后突破、当期 VaR 等解释变量上，模型正确时所有系数应为零，检验统计量服从 χ²。它是 Christoffersen 一阶马尔可夫检验的严格推广：不止看昨天破没破，还看更远的滞后和 VaR 水平本身。我在 GARCH-t(6) 模拟上实测：静态正态 VaR 的突破序列在 Christoffersen 独立性检验下 p=0.51 安然过关，DQ 检验 p=0.004 直接拒绝；功效实验里 DQ 在高波动持续性下达到 63%，比一阶检验的 40% 高出一半。

突破序列应该是什么样的#

回顾 VaR 回测的逻辑链。定义突破指示 $I_t = \mathbf{1}\{L_t > VaR_{p,t}\}$。如果模型的条件分位数是对的，那么：

$E[I_t \mid \mathcal{F}_{t-1}] = p$

即在昨天为止的全部信息 $\mathcal{F}_{t-1}$ 条件下，今天突破的概率恒等于 $p$。这一个式子蕴含两层：

1. 无条件突破率是 $p$（Kupiec POF 检验的对象）；
2. 突破对任何 $t-1$ 时刻可观测的变量都不可预测——不能用昨天的突破预测、不能用上周的突破预测、不能用当期 VaR 的高低预测、不能用任何市场变量预测。

Christoffersen（1998）检验了第二层的一个特例：$I_t$ 是否独立于 $I_{t-1}$（一阶马尔可夫）。但违背可预测性的方式远不止”昨天破今天更容易破”这一种。两个典型漏网:

• 长程依赖：波动周期长于一天时，突破可能隔 2-5 天再聚集，一阶转移概率看不见；
• VaR 水平依赖：模型在低 VaR（平静期）时突破率偏高、高 VaR 时偏低——突破概率和 VaR 水平相关，但这不体现在相邻两天的转移结构里。

DQ 检验的思路是把”对一切信息不可预测”落实为一个可操作的回归检验。

检验构造：Hit 回归#

定义去中心化突破序列：

$Hit_t = I_t - p$

模型正确时 $Hit_t$ 是期望为 0 的鞅差序列。把它回归到 $t$ 时刻已知的解释变量上：

$Hit_t = \beta_0 + \sum_{j=1}^{q} \beta_j \, Hit_{t-j} + \beta_{q+1} \, VaR_{p,t} + \varepsilon_t$

原假设 $H_0: \beta = 0$（所有系数含截距全为零）。Engle-Manganelli 给出的检验统计量：

$DQ = \frac{\hat\beta^\top X^\top X \hat\beta}{p(1-p)} \;\sim\; \chi^2(k)$

其中 $X$ 是回归设计矩阵，$k$ 是回归元个数。分母 $p(1-p)$ 是 $Hit_t$ 在 $H_0$ 下的方差——这不是普通的 OLS F 检验，因为残差是伯努利型的，方差已知为 $p(1-p)$，直接代入。

三个解释变量的选择各有分工：

• 滞后 $Hit$（通常取 4 阶）：抓突破聚集，覆盖一阶马尔可夫抓不到的隔日聚集；
• 当期 $VaR_{p,t}$：抓”突破概率随 VaR 水平变化”——静态模型的典型病灶；
• 截距：抓无条件突破率偏离 $p$，把 Kupiec 的功能内嵌了进来。

所以 DQ 是个联合检验：频率错、聚集错、水平依赖错，任何一种都会推高统计量。这既是优点（一个检验管三件事）也是代价（拒绝后要额外归因是哪一层错了）。

import numpy as np
from scipy import stats

def dq_test(loss, var, p, n_lags=4):
    """Engle-Manganelli 动态分位数检验
    回归元：截距 + 4 阶滞后 Hit + 当期 VaR"""
    I = (loss > var).astype(float)
    hit = I - p
    T = len(hit)
    X, y = [], []
    for t in range(n_lags, T):
        X.append([1.0] + [hit[t-j] for j in range(1, n_lags+1)] + [var[t]])
        y.append(hit[t])
    X, y = np.array(X), np.array(y)
    beta, *_ = np.linalg.lstsq(X, y, rcond=None)
    dq = beta @ X.T @ X @ beta / (p * (1 - p))
    k = X.shape[1]
    return dq, 1 - stats.chi2.cdf(dq, k)

十几行代码。DQ 检验在文献引用里的地位和它的实现难度完全不成比例——这是那种”知道了就是白捡”的工具。

实验：DQ 看见了 Christoffersen 看不见的病#

数据生成过程：GARCH(1,1) + t(6) 创新，1000 天，检验做在 95% VaR 上（层级选择的理由后面说）。三个模型：

1. GARCH-t(6)：正确模型；
2. GARCH-正态：波动路径正确、尾部偏薄；
3. 静态正态：无条件波动，完全忽略波动聚集。

结果：

最有信息量的一行是静态正态：Christoffersen 独立性检验 p=0.51，完全无罪释放；DQ 检验 p=0.004，毁灭性拒绝。同一个突破序列，为什么结论天差地别？

看突破的时间分布就明白了：

静态正态只突破了 22 次（95% 层级下期望 50 次——静态波动在这条路径上整体偏保守），但这 22 次几乎全部挤在高波动时段。问题在于：突破太稀疏时，相邻两天连续突破（$n_{11}$）这个事件本身就很少发生，Christoffersen 检验赖以定罪的 $\hat\pi_{11}$ 估计不出名堂——本例 $\hat\pi_{11}=0.045$ 对 $\hat\pi_{01}=0.021$，差异有但样本撑不起显著性。而 DQ 的定罪证据来自另外两路：截距项（22 次 vs 期望 50 次，频率显著偏低）和 VaR 水平项（突破全部发生在真实波动高、而静态 VaR 相对偏低的时段，$Hit_t$ 与 $VaR_t$ 显著相关）。这两路证据一阶马尔可夫检验根本没有入口。

自相关图进一步展示了”隔日聚集”：静态模型的突破序列在滞后 1-5 阶都有正自相关，其中不少超出置信带——这正是 4 阶滞后回归元的猎物，而一阶转移矩阵只能看到滞后 1。

顺带一提，GARCH-正态在 95% 层级安然通过（p=0.94）是正常的：它的病在深尾（97.5% 之外），95% 分位点上正态和 t(6) 差别不大。这就是上一篇 Acerbi-Szekely ES 检验里 $Z_1$ 幅度检验存在的理由——尾部形状的错要用幅度信息抓，突破序列的 0/1 结构对它天然低敏。

功效对比：滞后阶数买来了什么#

固定待检模型为静态正态 VaR，让真实过程的波动持续性 $\alpha+\beta$ 从 0 扫到 0.98，每档 250 次独立试验，对比 DQ（4 阶滞后 + VaR 项）和 Christoffersen 一阶独立性检验的拒绝率：

两个读法：

高持续性区间 DQ 显著占优。真实市场的日频波动持续性普遍在 0.95-0.99，正是 DQ 领先幅度最大的区间（0.43 vs 0.25，0.63 vs 0.40）。波动周期越长，突破聚集越”弥散”在多阶滞后上，多阶回归的信息优势越大。

低持续性区间 DQ 略逊——这是自由度的价格。DQ 用 $\chi^2(6)$，Christoffersen IND 用 $\chi^2(1)$；当真实的偏离恰好集中在一阶转移上时，DQ 把检验功效摊薄到了六个方向。没有免费午餐：解释变量越多，覆盖的备择假设越广，单个方向上的功效越低。这也是实务上滞后阶数取 4 而不是 20 的原因——Engle-Manganelli 原文用 4 阶，后续功效研究（Berkowitz et al., 2011）确认 4 阶附近是覆盖面和功效的合理折中。

还是那个诚实的提醒：即便是占优的 DQ，在 1000 天、持续性 0.98 的设定下功效也只有 63%。单个样本、单次检验定罪坏模型的概率从来不高，回测检验的正确用法是滚动窗口 + 多期累积证据，而不是一锤定音。

工程实现清单#

1. 层级选择：DQ 依赖突破序列有足够的”事件密度”。99% 层级 250 天期望才 2.5 次突破，滞后 $Hit$ 几乎全是 $-p$ 常数列，回归退化。监管口径在 99% 报数，诊断口径在 95% 甚至 90% 跑 DQ，分层回测定位问题。
2. 回归元可以扩展：$\mathcal{F}_{t-1}$ 里任何变量都是合法回归元——滞后收益的绝对值、已实现波动、VIX。怀疑模型对哪类信息失明，就把那个变量加进去。DQ 本质是个开放框架，标准配置只是默认菜单。
3. 别用 OLS 的 F 检验 p 值：残差是移位伯努利，不是高斯。统计量的分母必须用 $p(1-p)$，服从 $\chi^2(k)$。拿 statsmodels 跑 OLS 然后读 F-test 是常见错误。
4. 样本前 q 天丢弃：滞后回归元需要 warmup，$T=250$ 时丢 4 天无所谓，但要在代码里显式处理，别让 NaN 静默传播。
5. 拒绝后的归因：DQ 拒绝只说”有病”，不说病在哪。看单个系数的 t 值：截距大→频率错（换分布尺度）；滞后项大→聚集（换波动模型）；VaR 项大→水平依赖（模型对市场状态失明，考虑加状态变量或换 CAViaR 类模型）。

与检验家族的分工#

到这篇为止，VaR/ES 回测工具箱的拼图完整了：

• Kupiec POF：突破次数对不对（无条件覆盖）；
• Christoffersen：突破是否相邻聚集（一阶条件覆盖）；
• DQ（本篇）：突破是否对广义信息集不可预测（一般条件覆盖，涵盖前两者）;
• Acerbi-Szekely Z1/Z2：突破之后的幅度对不对（ES 校准）；
• 巴塞尔交通灯：把统计证据翻译成资本处罚（监管执行层）。

如果只能挑两个进生产：DQ 管突破的时间结构，Z2 管突破的幅度结构——这两个组合的覆盖面最大，且互相正交。

诚实边界#

• 线性回归只能抓线性可预测性。如果突破概率是某个变量的非线性函数（如仅在极端 VIX 时失效），线性 DQ 可能漏检。扩展方向是把回归元做非线性变换，或干脆用 logit 链接（Berkowitz 的 CaViaR-based 变体）。
• 回归元选择是研究者自由度。滞后阶数、是否加 VaR 项、加哪些外生变量——不同配置给出不同 p 值。诚实的做法是预注册标准配置（4 阶 + VaR 项），把探索性的变量扫描明确标注为诊断而非检验。
• $\chi^2$ 是渐近分布。$T=250$ 且 $p=1\%$ 时有限样本下 size 会偏离名义水平，小样本要用蒙特卡洛模拟临界值（模拟 i.i.d. Bernoulli($p$) 序列跑同一个回归）。
• 检验对了不等于模型有用。DQ 全绿只说明 VaR 序列与数据相容，不说明它是最优的——一个恒等于经验分位数的宽松模型也可能通过。回测检验是模型的下限守门员，不是上限裁判。

DQ 检验的元教训值得单独记一笔：“正确校准”的完整定义是对信息集条件化的，任何只检验边际性质的工具（次数、相邻转移）都只覆盖了必要条件的一角。把原假设写成条件期望形式、再把条件信息显式搬进回归——这个”检验即回归”的构造思路，在计量经济学里反复出现（鞅差检验、事件研究、预测评估皆然），学会一次，处处能用。