name: value-at-risk-calculator description: 用于金融和操作风险评估的风险价值（VaR）及相关风险指标计算技能 allowed-tools:

Read
Write
Glob
Grep
Bash metadata: specialization: decision-intelligence domain: business category: risk priority: medium tools-libraries:
- scipy.stats
- numpy
- arch
- riskfolio-lib

风险价值（VaR）计算器

概述

风险价值计算器技能提供全面的能力，使用多种方法计算VaR及相关风险指标。它通过参数法、历史法和模拟法支持金融风险评估、操作风险量化和监管合规。

功能

历史模拟VaR
参数法VaR（方差-协方差）
蒙特卡洛VaR
条件风险价值（CVaR/期望损失）
增量VaR和成分VaR
压力测试
回测和验证
监管报告支持

使用流程

决策支持的蒙特卡洛模拟
风险评估
决策质量评估

使用方法

历史模拟VaR

# 历史VaR配置
historical_var_config = {
    "method": "historical_simulation",
    "data": {
        "returns": portfolio_returns,  # 历史收益序列
        "period": "daily",
        "history_length": 252  # 1年交易日
    },
    "confidence_levels": [0.95, 0.99],
    "holding_period": 1,  # 天数
    "options": {
        "age_weighting": {
            "enabled": True,
            "decay_factor": 0.97
        }
    }
}

参数法VaR

# 参数法（方差-协方差）VaR
parametric_var_config = {
    "method": "parametric",
    "portfolio": {
        "positions": {
            "Asset_A": {"value": 1000000, "weight": 0.4},
            "Asset_B": {"value": 750000, "weight": 0.3},
            "Asset_C": {"value": 750000, "weight": 0.3}
        }
    },
    "parameters": {
        "volatilities": {"Asset_A": 0.20, "Asset_B": 0.15, "Asset_C": 0.25},
        "correlation_matrix": [
            [1.0, 0.3, 0.2],
            [0.3, 1.0, 0.5],
            [0.2, 0.5, 1.0]
        ]
    },
    "confidence_level": 0.99,
    "holding_period": 10  # 天数
}

蒙特卡洛VaR

# 蒙特卡洛VaR配置
monte_carlo_var_config = {
    "method": "monte_carlo",
    "simulations": 100000,
    "model": {
        "type": "geometric_brownian_motion",
        "parameters": {
            "drift": "historical",
            "volatility": "garch"
        }
    },
    "portfolio_valuation": "full_revaluation",
    "confidence_levels": [0.95, 0.99],
    "holding_period": 10
}

条件风险价值（期望损失）

CVaR表示超过VaR时的预期损失：

95% CVaR = 最差5%情景的平均损失
巴塞尔协议III/IV要求用于市场风险资本
比VaR更一致的风险度量

压力测试

# 压力测试情景
stress_tests = {
    "scenarios": [
        {
            "name": "2008年金融危机",
            "shocks": {"equity": -0.40, "credit_spreads": 0.03, "rates": -0.02}
        },
        {
            "name": "2020年3月新冠疫情",
            "shocks": {"equity": -0.30, "volatility": 0.50, "credit_spreads": 0.02}
        },
        {
            "name": "利率飙升",
            "shocks": {"rates": 0.03, "equity": -0.15}
        }
    ],
    "output": ["portfolio_loss", "position_contributions"]
}

输入模式

{
  "method": "historical|parametric|monte_carlo",
  "portfolio": {
    "positions": "object",
    "total_value": "number"
  },
  "data": {
    "returns": "array or path",
    "period": "string"
  },
  "parameters": {
    "confidence_levels": ["number"],
    "holding_period": "number",
    "volatility_model": "string"
  },
  "stress_testing": {
    "scenarios": ["object"]
  },
  "backtesting": {
    "enabled": "boolean",
    "test_period": "string"
  }
}

输出模式

{
  "var_results": {
    "confidence_level": {
      "VaR": "number",
      "VaR_percent": "number",
      "CVaR": "number",
      "CVaR_percent": "number"
    }
  },
  "component_var": {
    "position": {
      "marginal_var": "number",
      "component_var": "number",
      "contribution_percent": "number"
    }
  },
  "stress_test_results": {
    "scenario_name": {
      "portfolio_loss": "number",
      "loss_percent": "number"
    }
  },
  "backtesting": {
    "exceptions": "number",
    "exception_rate": "number",
    "traffic_light": "green|yellow|red",
    "kupiec_test": "object",
    "christoffersen_test": "object"
  },
  "risk_attribution": "object"
}

最佳实践

使用多种方法并比较结果
定期进行回测验证
包含厚尾分布（t分布或历史数据用于参数法）
频繁更新参数（波动率、相关性）
用压力测试补充VaR
报告CVaR以及VaR以衡量尾部风险
记录所有假设和限制

VaR解释

指标	含义
VaR 95% = $1M	95%置信度下损失不会超过$1M
CVaR 95% = $1.5M	如果损失超过VaR，平均损失为$1.5M
增量VaR	添加头寸后投资组合VaR的变化
成分VaR	头寸对总VaR的贡献

回测标准

例外情况（250天）	区域	解释
0-4	绿色	模型可接受
5-9	黄色	模型可能有问题
10+	红色	模型需要审查

集成点

从蒙特卡洛引擎接收模拟
与风险登记管理器连接进行风险评估
支持风险分析师代理
与决策可视化集成以生成风险图表