标签： #压力测试

你用正态假设算出 5% VaR = -3.8%，意思是「只有 5% 的日子会亏更多」。可一遇到市场紧张，亏损远超这条线的日子占到 16.6%——正态 VaR 在高压区彻底失灵。问题出在它假设波动恒定、分布对称。分位数回归（QR）用检查损失函数直接拟合「条件分位数」，让 VaR 随一个压力代理变量自适应移动，同时捕捉异方差和偏度。本文用合成异方差+左偏收益，从零实现 Pinball 损失与 QR-VaR，并点明压力变量选择、过拟合、尾部外推、回归vs模拟四类真实陷阱（中阶）。

传统压力测试要么拍脑袋设情景、要么只能重演历史。熵池化(Entropy Pooling, Meucci 2008)用最小相对熵(KL)，在「满足一个压力观点」的约束下，找离历史先验最近的那条后验分布——于是「2008 股灾概率抬到 22%」不再是凭空编的情景，而是对历史分布的一次可量化「最小手术」。本文用 3 资产、4000 情景从零复现，并点明离散约束数值不稳定、过拟合观点、灾难定义主观性三类真实陷阱（进阶）。

CoVaR（Adrian-Brünnermeier）把「系统性风险」从一句话变成可量化指标：CoVaR_i = 机构 i 陷入自身 VaR 困境时，系统的条件风险价值；ΔCoVaR_i = CoVaR_i − 常态下系统 VaR，即机构 i 对系统的边际贡献。用 6 家机构的因子关联仿真：银行A（关联度最高）ΔCoVaR 最大(−3.34)，信托F 最小(−2.55)，与系统关联度严丝合缝。附完整 Python 与六类真实陷阱（高阶）。

VaR 只数「有没有超出」，对「超出后到底多惨」失明：尾部一肥，VaR 还绿，ES 已爆。用 Acerbi-Szekely 的 ES-z 后验检验（零假设 E[U]=ES−VaR）替代 VaR 红绿灯，合成里正态世界 ES-z=−0.53（绿）、含灾难跳变的肥尾世界真实 ES≈4.05% 远超正态 2.57% 而 VaR 仍≈2.23%（绿），ES-z 检验功效随尾部肥瘦从 0.37 升到 0.86、VaR 红绿灯却始终在 0.04~0.09 装死。附完整 Python 与六类真实陷阱（高阶）。

历史太短、极端行情稀少，传统压力测试只能回看有限样本。本文用纯 numpy 实现 DDPM 扩散模型生成海量合成 30 日行情，补全历史稀疏的尾部，给出更稳的压力 VaR，并诚实列出过弥散、无法凭空创造新危机等真实陷阱。

个股从不是孤岛：相关性、供应链、板块联动把 30 只股票织成一张网。本文从零实现 2 层图卷积网络(GCN)，先让它学会预测「系统性重要度」，再用训练好的消息传递把冲击沿网络扩散，量化「hub 暴跌→全网传染」的放大效应，并诚实列出图构建里的真实陷阱。