風險模型不是愈高級愈安全：最土的方法反而最少踩線

做風控的人很容易有一個直覺：模型愈進階，尾巴抓得愈胖，應該就愈安全。

這次實驗給了一個不太討喜但很實用的答案。拿同一套底層波動模型，去配四種不同的尾端估法後，真正最不容易踩到 1% 風險線的，不是看起來比較高級的 Student-t，而是最樸素的 Historical Simulation（簡稱 HistSim），以及和它打平的「直接估分位」。

這次測的是 SPY，樣本外期間是 2023-01-01 到 2024-12-31，共 502 個交易日。你可以把它想成一個簡單問題：

如果市場最糟的那 1% 日子真的來了，哪個方法最不容易把風險估太淺？

先看最重要的一張圖

理論上，502 個交易日裡，這條 1% 風險線大概該被擊穿 5 次左右。

實際結果是：

這張表的重點在順序，不在小數點。

Normal 最差，Student-t 有進步，但還是偏多。真正把違反次數壓到最穩的是「直接估分位」和 HistSim，兩者 並列贏家 ，違反次數都只有 4 次。

奇怪的是，精度分數幾乎沒差

更反直覺的地方在這裡。

同樣四個方法去比平均表現分數，幾乎打成平手。

四者最大差距只有 0.00000359。換句話說：

• 你若只看平均分數，會覺得四種方法差不多
• 但你一旦看 1% 尾端回測，差別立刻拉開

這正是這篇最值得記的一句話：

尾端怎麼估，不太改變平均分數，卻會直接改變你在最壞日子的失手次數。

順帶一提，這次跑了正式的 Diebold-Mariano 檢定比較四個方法的平均分數，所有兩兩差距的 p 值都不到顯著。換成白話： 就「平均分數」這個指標而言，四個方法統計上分不出勝負 。真正分勝負的，是「最壞那幾天」的尾端違反次數。

為什麼會這樣

因為這四個方法吃的是同一個波動率底盤。前面的模型已經先把「明天大概有多晃」估出來了，後面真正分勝負的，是你怎麼把這個波動率轉成最壞情況的保守邊界。

Normal 的問題是尾巴太薄，市場真的摔深一點時，它容易低估風險。

Student-t 確實比 Normal 厚尾，所以從 10 次違反降到 8 次，這步方向是對的。但它還是在用一個固定分配去描述尾巴，彈性有限。

HistSim 則是乾脆不先假設分配長什麼樣，而是直接拿歷史殘差的經驗分位數來估。市場尾巴如果本來就歪、就厚，它比較容易原樣保留下來。

所以這篇不是在說 Student-t 沒用，而是在說：

當你真的在乎「最壞那幾天會不會估太淺」，分配假設本身比平均精度更重要。

對一般讀者最實用的翻譯

如果你把風險模型當成煞車系統，平均手感分數比較像平常開車時的順不順；1% 風險線的違反次數，比較像真正急煞那幾次有沒有煞住。

平常手感差不多，不代表急煞表現也差不多。

這次的結果就是：

• 平均手感四台車差不多
• 真正急煞時，HistSim 和「直接估分位」並列最穩
• Normal 最容易煞不住

如果你真的要選一個做法

這份實驗給的實務排序很直白。

第一線並列的是 HistSim 和「直接估分位」。兩者在 1% 風險線都只違反 4 次，尾端回測一樣乾淨。如果你只能挑一個無假設、容易解釋的做法，HistSim 是直覺首選。

第二層是 Student-t。它比 Normal 好，但還不夠好到讓你放心。

最不該偷懶的，是直接用 Normal。在這組 SPY 樣本裡，它把最糟情況低估得最明顯。

給技術讀者的兩個揭露

第一，HistSim 在這次實驗裡是 每天 用最新的歷史殘差重算一次經驗分位數；Student-t 的自由度和迴歸式的分位數模型則是 每 63 個交易日 才重估一次。沒有看到未來的資料（time-of-day 對齊都是 t-1 為止），但 HistSim 等於享有比較頻繁的局部更新節奏，這個操作差異會給它一些優勢。比較公平的進階測法是讓所有方法用一樣的更新頻率，這留給後續實驗。

第二，這次用的「綠黃紅」燈號是依違反率簡單切的內部規則，跟 Basel 250 天計次規則不完全相同。若要做監管合規報告，建議改用官方計次門檻而非本文的簡化版。

這篇結論只有一句

風險管理裡，真正讓你出事的是最壞那幾天低估太多，平均分數輸一點反而其次。這次實驗告訴我們，這件事上最土的 HistSim 反而和「直接估分位」並列贏家，比看起來更高級的 Student-t 更耐尾端。

本文基於站內 SPY 風險估計實驗（K824）。數據來源：yfinance SPY，樣本外期間 2023-01-01 至 2024-12-31，共 502 個交易日。經 Codex source-code review，CONDITIONAL_PASS。