尾部关性尾部风险平价和圣杯分布

转 尾部相关性、尾部风险平价和圣杯分布

作者：石川，量信投资创始合伙人，清华大学学士、硕士，麻省理工学院博士；精通各种概率模型和统计方法，擅长不确定性随机系统的建模及优化。知乎专栏：https://zhuanlan.zhihu.com/mitcshi。已获授权

摘要：本文首先介绍了尾部相关性，并以此引出尾部风险平价的概念。从风险的角度来说，一个好的投资组合中应该同时拥有 convergent 和 divergent risk taking 的策略。

1.引言

年底适合聊聊风险。

在《艰难时刻需要坚韧信仰》这篇文章的最后，我们提到了同一大类资产中的不同策略，尽管它们平时的相关性可能很低，但是当极端事件出现时，它们的相关性会骤然上升，同时下跌造成亏损，无法起到分散风险的作用。不同策略在极端情况下的相关性称为尾部相关性（tail correlation），它是进行资产组合配置时需要考虑的关键因素之一。

本文将围绕尾部风险展开讨论。下文首先介绍尾部相关性，之后引出尾部风险平价（tail risk parity）的概念，它被认为比流行的风险平价（risk parity）更能抗风险。最后会介绍两个平时提的较少的两个风险概念 —— convergent and divergent risk taking。（抱歉，实在找不出来特别合适的中文翻译，但我保证会用中文大白话解释清楚。）

先来看看尾部相关性。

2.尾部相关性

尾部相关性衡量的是不同资产出现极端损失时的相关性。为了计算它，最简单的办法可以采用条件概率计算条件相关性。但是，业界主流的做法是通过 VaR（Value at Risk）或者 ES（Expected Shortfall）来反推尾部相关性，这样得到的结果称为 VaR-implied tail correlation 或 ES-implied tail correlation。本文介绍后面这种方法。

Liu (2016) 使用 Campbell et al. (2002) 的模型，假设资产 i 的收益率 r_i 分布满足如下形式：

其中 μ_i、σ_i 分别为均值和标准差，Z_i 为标准正态分布。由上述分布模型以及 VaR 的定义可知，资产 i 的 α 分位数的 VaR 为：

假设某投资组合 P 由两个资产按照权重 w_1 和 w_2 构成，则根据定义，投资组合 P 的收益率的标准差满足：

将 VaR 定义中右侧的 σ_i 代入上式，并利用 VaR(Z_1) = VaR(Z_2) = VaR(Z_P) 化简，最终得到两个资产间的 VaR-implied correlation：

除了上述这种计算方法，业界（Cotter and Longin 2006）还使用另一种更简化的方法：