python分位数回归模型_如何理解分位数回归风险价值 (VaR) 模型？

风险价值(下称VaR)的计算方法主要有历史模拟法(非参数法)、分析方法、蒙特-卡罗模拟法三类。不同的计算方法、计算参数下所得的VaR都是不同的。若某机构宣称其产品的VaR较低即投资风险较低，投资者还需在投前明确其计算方法和参数以辨真伪。历史模拟法来在收益率分布尾部较厚时比传统参数法更为可靠。下面介绍几个历史模拟法的变形。

简单历史模拟法：

历史模拟法的基本思想是用给定历史时间段上所观测到的市场因子的变化来表示市场因子的未来变化；在估计市场因子模型时，采用全值估计方法，也就是根据市场因子的未来价格水平对头寸进行重新估值，计算出头寸的价值变化(损益)；最后，将投资组合的损益从小到大排序，得到损益分布，通过给定置信度下的分位数求出VaR。

简单历史模拟法是将目前投资组合的价格按历史时间段的收益率重新抽样，计算组合的损失以及VaR。计算1-day VaR可抽取历史日收益率，计算10-day VaR可以抽取历史十日收益率。

假设vi表示第i天的市场因子(历史净值序列)，今天是第n天，根据历史模拟法，明天的市场因子的第i个抽样样本为：

其中，

是历史收益率序列。

假设今天指数为8000点(v0)，根据某段历史日收益率，模拟明天500种可能点位(v1,i)的场景，列示在表中。

再将模拟指数从小到大排序，通过置信度下的分位数即可求出VaR。

这样的简单历史模拟法有利有弊，优点是：

1.

简单