标签： #var

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）。

普通 GARCH(1,1) 把波动率当成一条「连续、同质」的过程，可真实市场的波动是分层的——平静期波动低、危机期波动高，而且会突然跳变。本文用马尔可夫切换 GARCH（MS-GARCH）把波动率拆成两个区制（低波动 / 高波动），用 Hamilton 滤波递归估计「此刻处在哪个区制、概率多大」。合成数据实跑：两区制波动率差 2.7 倍、区制分类准确率 83.2%；MSGARCH 条件波动 RMSE 0.224，远胜单一区制 GARCH 的 0.542；95% 单日 VaR 击穿率 0.045，精准贴住目标 0.05，而单区制 GARCH 只有 0.031（长期低估尾部风险）。附完整 Python 与六类真实陷阱(中阶)。

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）。

用极端值理论(EVT)给尾部风险定价：POT 超阈值、广义帕累托(GPD) MLE 拟合与 Hill 尾指数估计，还原被正态假设低估的极端 VaR。

OLS 只建模条件均值，但风险管理关心尾部。分位数回归用 check function 钉住任意条件分位，把「看均值」升级成「看整个条件分布」。本文从零实现 LP 求解，演示 QR 喇叭形展开、与 OLS 的尾部盲区对比、条件 VaR 回测，以及系数路径揭示的尾部不对称性，附可复现 Python。

相关系数在危机里会失灵。Copula 把边际分布与相依结构解耦，对比高斯与 t-copula 的尾部相依，量化危机时资产如何联动，并给出更诚实的组合 VaR。

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。