计算最大回撤_《学Python量化：通往财务自由》｜量化风险之期望亏空与最大回撤...

在上一篇文章中，我们学习了方差度量法、下行风险以及风险价值三种量化风险的方法，今天，我们将继续学习如何使用期望亏空以及最大回撤来量化风险。

预告：我们都知道，不要把鸡蛋放在一个篮子里。因此下一篇我们将介绍如何量化投资组合的收益率和风险。

四、期望亏空

期望亏空(Expected)是VaR(风险价值)的变体，是学术界提出来用于弥补VaR理论上的缺点。上一节我们提到，风险价值是1-α%置信区间内最大的亏损，也就是从小到大第α%百分位数。

那么期望亏空不是第α%位置对应的收益率，而是最小的α%中所有收益率的均值。

我们仍然以万科近两年的收益率数据为例：

VaR_wanke = wanke.pct_chg.quantile(0.05)ES_wanke = wanke.query('pct_chg <= @VaR_wanke')['pct_chg'].mean()print('万科近两年风险价值：', VaR_wanke)print('万科近两年期望亏空：', ES_wanke)

可以看到，期望亏空是比风险价值更低的。理论上，期望亏空≤风险价值永远成立。