Cindy2020-05-25 13:44:58

同学你好，其实这两条结论在前面学习回测的时候我们已经接触过了，也是以一张表格的形式呈现的，这里的结论与前面表格的结论是保持一致的，如下图：

90%置信水平的VaR，T=252天，例外值个数处在16到36之间是非拒绝的，即形成非拒绝域。所以只要例外值个数比16更小，或者比36更大，就可以拒绝原假设，说明模型是错误的。还分别给了510天、1000天的对应的非拒绝域。
我们可以发现，窗口期越长，拒绝越容易。窗口期指的是数据的个数。为了控制变量，假设只选取95%的VaR。当T是252天时，非拒绝域是7、8、9、……、18、19，一共有13个数。当T是510天时，非拒绝域是17、18、……、35，一共19个数。当T是1000天时，非拒绝域是38、39、……、64，一共27个。
剔除单位的影响，13/252=5.16%，是不被拒绝的概率。同样的，19/510=3.73%，27/1000=2.7%。所以通过比较不同的数据窗口期，可知窗口期越长，越容易拒绝，拒绝的概率更大了。
所以我们可以得出第一个结论，随着样本量的增加，非拒绝域区间会缩小，所以拒绝的概率变高。

第二个结论，对于高置信水平下的VaR来说，异常值是非常罕见的事件。比如现在检验99.9999%置信水平下的VaR值是否正确。结果我们找到的例外值个数是0。请问应该得到什么结论呢？
99.9999%置信水平下的VaR值，置信水平下非常高，相当于它的门槛很高，超过它的损失几乎没有。有两种解释，一种是，这本身就是极端损失，极端损失一般情况下不易发生。另外一种是，VaR值的计算，是有问题的。因为现在连一个例外值都找不到，所以无法得出结论。
比较好的处理方法是，做回测时不要选择置信水平比较高的VaR。