風險值VaR：量化潛在最大虧損

前言

「這檔股票風險高不高?」是每位投資人在做決策前都會問自己的問題,但這句話其實非常模糊——風險高不高,高多少?用什麼單位衡量?金融業界為了回答這個問題,發展出一套被廣泛採用的量化工具,叫做「風險值」(Value at Risk,簡稱VaR)。VaR試圖用一個具體的數字,回答一個看似簡單卻極其關鍵的問題:「在某個信心水準之下,我的投資組合在特定期間內,最多可能虧損多少錢?」

VaR最早於1990年代由摩根大通(JPMorgan)發展並推廣,當時摩根大通內部開發了一套名為RiskMetrics的風險管理系統,並將方法論公開,迅速成為全球銀行業、資產管理業、甚至監理機關評估市場風險的共同語言。時至今日,VaR已經被納入國際清算銀行(BIS)的巴塞爾協定(Basel Accord)作為銀行資本適足率計算的重要依據之一,台灣的金融機構,包括銀行、證券商、投信投顧,在進行內部風險控管與法規遵循時,也普遍採用VaR作為核心風險指標。

對一般投資人來說,VaR或許聽起來是機構法人才會用到的專業工具,但理解VaR的原理,能幫助你更精確地量化自己投資組合的潛在虧損,而不是只用「感覺上風險很高」這種模糊的說法來評估投資決策。本文將完整說明VaR的定義與三種主要計算方法,搭配台股實際數字範例進行試算,並深入探討VaR這個工具經常被誤解、甚至誤用的重要限制,最後補充近年來逐漸受到重視的替代指標CVaR(條件風險值)。

VaR的定義:一句話說清楚的風險量化工具

VaR的完整定義包含三個必要元素:信心水準(Confidence Level)、時間區間(Time Horizon),以及最大可能虧損金額。一個完整的VaR敘述,通常會是這樣的句子:「在95%的信心水準下,這個投資組合未來一天內的最大可能虧損不會超過新台幣50萬元。」

拆解這句話的意思:

• 信心水準95%:代表根據統計模型,有95%的機率,實際虧損不會超過這個估計值;反過來說,仍然有5%的機率,實際虧損會超過這個數字(也就是俗稱的「尾端風險」,Tail Risk)。
• 時間區間一天:VaR的估計值必須綁定一個明確的時間長度,常見的區間有一天、十天、一個月不等,時間區間越長,潛在虧損金額通常也會越大。
• 最大可能虧損50萬元:這是在給定信心水準與時間區間之下,模型估算出的具體虧損金額或百分比。

需要特別強調的是,VaR回答的是「特定機率下,虧損不會超過多少」,而不是「絕對不會虧超過這個金額」。這是投資人最容易誤解的一點——95%信心水準的VaR,代表著平均每20個交易日,就有機會出現一次虧損超過VaR估計值的情況,這並不是罕見的極端事件,而是模型本身內建的合理機率範圍。

VaR的三種計算方法

VaR的計算方法主要分為三大類,分別是歷史模擬法、參數法(變異數-共變異數法),以及蒙地卡羅模擬法。三種方法各有優缺點,適用情境也不盡相同。

一、歷史模擬法(Historical Simulation)

歷史模擬法是最直觀、也最常被個人投資人採用的計算方式。它的核心邏輯是:直接使用資產過去一段時間(例如過去一年,約250個交易日)的實際歷史報酬率分布,不做任何統計分布假設,直接從歷史資料中找出對應信心水準的分位數,作為VaR的估計值。

台股試算範例:假設你持有100萬元的台積電股票部位,蒐集過去250個交易日的每日報酬率,由小到大排序後,取最差的第13個數字(因為250天的5%大約是12.5天,取最接近的第13個),假設這個數字是-3.2%,那麼在95%信心水準下,你的一日VaR就是100萬元乘以3.2%,等於3萬2千元。這代表根據過去一年的歷史經驗,有95%的交易日,你這個部位的單日虧損不會超過3萬2千元。

歷史模擬法的優點是計算簡單、不需要假設報酬率服從常態分布,能捕捉到真實市場中「厚尾」(Fat Tail,極端事件發生機率高於常態分布假設)的特性。缺點則是高度仰賴歷史資料的代表性——如果過去一年市場相對平靜,但未來可能出現重大系統性風險事件,歷史模擬法就可能低估真實的風險水準。

二、參數法/變異數共變異數法(Parametric/Variance-Covariance Method)

參數法假設資產報酬率服從常態分布(或其他已知的統計分布),透過計算資產報酬率的平均數與標準差,搭配常態分布表中對應信心水準的Z值,直接用公式估算VaR,不需要像歷史模擬法一樣逐一排序歷史資料。

常見的計算公式為:

VaR = 投資組合價值 × Z值 × 標準差 × √時間區間

以95%信心水準為例,對應的Z值約為1.65。假設你持有100萬元的元大台灣50(0050)部位,估算其年化標準差(波動度)約為18%,換算成日標準差約為1.13%(年化標準差除以約251個交易日平方根)。代入公式:

VaR = 100萬元 × 1.65 × 1.13% ≈ 1萬8,645元

這代表在95%信心水準下,持有100萬元0050部位的單日最大可能虧損,估算約為1萬8,645元。

參數法的優點是計算速度快、公式簡潔,特別適合需要即時計算大量部位風險的金融機構。缺點是常態分布假設在真實金融市場中經常失準,尤其股票報酬率的實際分布往往存在「左偏」(下跌時的極端幅度通常比上漲時更劇烈)與「厚尾」現象,使用常態分布假設容易低估極端下跌的真實機率。2008年金融海嘯期間,許多依賴常態分布假設的VaR模型,就曾經嚴重低估當時市場實際發生的虧損幅度,成為金融危機後檢討VaR模型局限性的重要案例。

三、蒙地卡羅模擬法(Monte Carlo Simulation)

蒙地卡羅模擬法是三種方法中最複雜、也最靈活的一種。它透過電腦運算,針對資產價格建立隨機過程模型(例如假設股價服從幾何布朗運動),進行成千上萬次的隨機模擬情境,每一次模擬都會產生一個可能的投資組合價值變化,最後把所有模擬結果由小到大排序,取出對應信心水準的分位數作為VaR估計值。

這種方法的優點是能夠處理更複雜的投資組合結構,例如包含選擇權等非線性商品的部位,也能納入更精細的相關性結構與波動度模型。缺點則是計算成本高,需要較強的運算能力與專業的模型建構能力,一般個人投資人較難自行操作,通常是大型金融機構或專業的量化交易團隊才會採用。

下表整理三種方法的比較:

VaR的重要限制:它不是萬能的風險保證

VaR雖然被廣泛採用,但它本身存在幾個不容忽視的重要限制,投資人若不了解這些限制,很容易對VaR產生錯誤的安全感。

第一,VaR無法告訴你「超過VaR之後,虧損會有多嚴重」。這是VaR最常被批評的一點。假設某投資組合的95%信心水準單日VaR是10萬元,這代表有5%的機率虧損會超過10萬元,但VaR這個數字本身,完全沒有說明「一旦超過,平均會虧多少」——可能只是多虧損1萬元,也可能是一次系統性崩盤導致虧損100萬元,VaR對這兩種極端情境完全無法區分。這也是為什麼近年來風險管理業界越來越重視「條件風險值」(Conditional VaR,簡稱CVaR,又稱Expected Shortfall)這個補充指標,CVaR計算的是「一旦虧損超過VaR門檻時,平均會虧損多少」,能更完整地補足VaR在極端情境下的資訊缺口。

第二,VaR高度仰賴歷史資料與統計假設,面對「黑天鵝事件」時容易失準。無論是歷史模擬法還是參數法,本質上都是根據「過去」的市場行為去推估「未來」的風險,但金融市場最危險的時刻,往往正是那些歷史上從未出現過、統計模型完全沒有納入考量的極端事件。例如2020年新冠疫情爆發初期,台股單月重挫,許多依賴過去平靜市場資料所計算出來的VaR模型,在那段期間都出現嚴重失準的情況,實際虧損遠遠超過模型原先估算的VaR門檻。

第三,VaR不具備「次可加性」(Sub-additivity),可能無法正確反映風險分散的效果。在某些統計分布假設下,兩個投資組合分別計算的VaR加總,可能會小於把兩者合併之後計算出來的VaR,這在直覺上違反了「風險分散應該降低總風險」的基本邏輯,是VaR在數學性質上一個備受學術界批評的缺陷。這也是CVaR相對於VaR的另一個理論優勢——CVaR在數學上具備次可加性,更符合風險分散的直覺邏輯。

第四,不同計算方法、不同參數設定,會得出差異極大的VaR數字。同一個投資組合,用歷史模擬法、參數法、蒙地卡羅法計算,搭配不同的信心水準(90%、95%、99%)與不同的時間區間(一天、十天、一個月),很可能得出天差地遠的VaR估計值。投資人若只看到單一VaR數字,而不清楚背後採用的方法論與參數設定,很容易對風險程度產生錯誤的判斷。

台灣金融機構如何應用VaR

在台灣,VaR不只是學術概念,而是實際嵌入金融監理架構之中的重要工具。根據巴塞爾協定的市場風險資本計提規範,銀行業與部分證券商在計算交易部位的資本適足率時,必須採用VaR模型估算市場風險,並依此提列相對應的自有資本,以確保金融機構有足夠的資本緩衝來吸收潛在虧損。

台灣的證券商與投信投顧業者,在管理自營部位、避險部位、以及部分結構型商品的風險時,也普遍採用VaR作為內部風險限額(Risk Limit)的設定基礎。例如某證券商可能會設定「自營部位單日99% VaR不得超過公司淨值的1%」作為內部風控紅線,一旦計算出來的VaR超過這個門檻,交易部門就必須立即減碼部位或採取避險措施。

對一般投資人而言,雖然不太可能自行建構完整的VaR模型,但理解VaR的邏輯,能幫助你在評估投資工具時提出更精確的問題。例如購買結構型商品或委託代操帳戶時,可以主動詢問業者「這個商品或這個投資組合的VaR是多少?是用什麼方法計算的?信心水準與時間區間分別設定為何?」,這些問題能幫助你更清楚掌握自己實際承擔的潛在虧損規模,而不是只憑業務員口頭上「風險較低」、「穩健型商品」這類模糊的形容詞來做投資判斷。

結語

VaR之所以能成為全球金融業共通的風險語言,是因為它把抽象的「風險」概念,轉化成一個具體、可比較、可溝通的數字,讓不同投資組合、不同資產類別之間的風險程度,能夠用同一套標準來衡量與比較。然而,VaR終究只是一個統計模型下的估計值,它建立在歷史資料與統計假設之上,對於模型從未見過的極端情境,VaR往往無能為力,甚至可能因為提供了一種「數字化的安全感」,反而讓投資人低估真正的尾端風險。

對台灣的投資人而言,學會使用VaR這套工具,並不代表可以完全依賴這個數字做決策,更重要的是理解VaR背後的假設與限制,搭配壓力測試(Stress Testing)、情境分析(Scenario Analysis),以及CVaR等補充指標,建立更全面、更立體的風險管理思維。畢竟,真正成熟的風險管理,從來不是找到一個完美的數字來預測未來,而是在承認未來充滿不確定性的前提下,依然能為最壞的情況預先做好準備。