250 天里只漏 2.5 次:比两个尾部模型,样本量是越界次数,不是天数

一句话结论:比较两个尾部预测,分数差只在「越界日」偏离一个开盘前就已知的宽度差。能分辨它们的样本量是越界次数,不是天数。两个 99% VaR 相差 0.8 个百分点,至少要 26 个越界日、约 2,550 个交易日;250 天窗口平均只给 2.5 次。

一、问题:250 天窗口其实只给了你 2.5 个信息点

99% 一日 VaR 的含义是:100 个交易日里允许 1 天跌破。250 天窗口期望越界 2.5 次,拿这两次半判断 A 和 B 谁更准。而常见的比较正是按 250 天一段做的——1 年就是不够。

二、判据:分数差只在越界日偏离,越界次数才是样本量

用区间分数(α 为总误覆盖率,越界双侧各 α/2):

IS_α = (u − l) + (2/α)(l − y)₊ + (2/α)(y − u)₊

分数差 d 有可预测的中心:y 落在两区间内部时,d 就是宽度差 c = (uA−lA) − (uB−lB),开盘前即可算出;只有越界那天才加 (2/α)·f,f 为「到 A 的距离减到 B 的距离」,|f| 不超过端点距离 H。

由此两条结论:第一,d 的方差约为 (4H²/α²)×越界概率,随 1/α 膨胀,而取值范围只有 H/α 量级——差的那个因子就是「天数」与「越界次数」的差。

第二,分开两个预测所需的越界次数约为 (1 − τ)(H/Δ)²ln(1/4δ),与 τ 无关;换算成交易日再除以 τ。于是天数 ∝ 1/α,越界次数不动。H/Δ 是效应量,δ 是允许的犯错概率。

三、算例:两个 99% VaR 差 0.8 个百分点,要 2,550 天

我们的数字:A 为 99% 一日 VaR 2.8%,B 为 3.6%,端点距离 H=0.8 个百分点;平均分数差 Δ=0.2,故 H/Δ=4;取 δ=5%。

越界次数 ≈ 0.99 × 16 × ln(1/0.2) = 0.99 × 16 × 1.609 ≈ 25.5 → 26 次

交易日 = 26 / 0.01 = 2,550 天 ≈ 10.2 年(每年 250 个交易日)

同样 26 次越界,换置信水平只是换天数:

表 1:同样 26 次越界,在不同置信水平下折成多少交易日(H/Δ=4,δ=5%)
置信水平 单侧越界率 τ 所需越界次数 所需交易日 250 天窗口的期望越界 缺口倍数
97.5% 2.5% 26 1,020 6.25 4.1×
99% 1.0% 26 2,550 2.50 10.2×
99.9% 0.1% 26 25,490 0.25 102×

再算「几次越界能翻盘」。α=0.05,A=[−2.0,+2.0],B=[−3.0,+3.0](百分点)。内部日 d = 4 − 6 = −2,A 每天赢 2。某天跌 −4.5%:到 A 距离 2.5、到 B 1.5,f=1.0,2/α=40,d = −2 + 40 = +38,一天顶 19 天。

38k = (250 − k) × 2 → 40k = 500 → k = 12.5

250 天里 13 天(5.2%)落在 A 之外,A 的分数优势就翻转。而真正 97.5% 的区间 250 天平均漏 6.25 次——波动偏大的一年就能到 13 次。

四、反例:越界稀薄时,DM 检验系统性地偏向「更窄」

Diebold–Mariano 统计量 √T·d̄/ŝ 依赖中心极限定理。越界少时 d̄ 被宽度差主导,ŝ 只反映宽度波动,统计量被推大,方向永远朝着更窄的区间。论文在 250 天、单侧名义 2.5% 下模拟 1,000 次:

表 2:α=1% 时的误判率(论文模拟,1,000 次重复,名义单侧 2.5%)
检验 高斯误差 t₃ 误差 + 随机尺度 是否解决问题
DM 原版 12.0% 18.6% 否
Harvey 小样本校正 11.9% 18.4% 否(只改了方差估计)
固定平滑(WPE) 10.8% 17.4% 否
bootstrap-t 0.8% 6.4% 基本可以,但无有限样本保证

门槛:期望越界少于 25 次时,DM 误判率在全部模拟中超过名义值两倍。真实数据同样:7 个股指、2,130 个 250 天窗口,τ=2.5% 时 73.1% 的显著结果偏向更不保守的模型,其中 18.4% 与其余交易日排序相反;偏向保守一侧仅 6.9%。

五、适用前提

一,预测在结果前发出且事后不改。二,用严格一致评分(区间/分位/FZ0)。三,窗口内越界概率大致稳定。四,比条件预测能力,不是历史拟合优度。

六、失效条件

失效一,越界成簇。波动率聚集时越界不独立,次数要再乘自相关修正;按波动率分层比拉长窗口管用。

失效二,单独比 ES。ES 不能单独被 elicit,须与 VaR 配对;且只能无假设地证明「更不保守的 ES 更差」,反向需要损失尾部假设。

失效三,换分数换排序。分位分数与区间分数对同一对模型可能给出相反结论,先固定分数。

失效四,拿 bootstrap 兜底。它抓住 d 的偏度,多数情形压在 3.6% 内,但无有限样本保证。

七、三步落地

先数越界,再谈显著性

  1. 数越界:窗口内至少 25 次才有资格比;不到就写「样本不足」,不报 p 值。
  2. 按次数不按天数:用越界次数构造置信序列(经验 Bernstein 型),可逐日监控、随时停。
  3. 先写死评分与窗口:评分函数、置信水平、窗口长度定好再看结果。

同一判据适用于任何稀有事件比较:爆仓、极端滑点、强平次数。靠少数事件定胜负的指标,天数都不能当样本量。相关口径见回测口径:手续费、滑点、未来数据、回测里最贵的四个假设,以及单日最大亏损线。

来源:Raphael Coelho(独立研究者)· Comparing tail forecasts: the number of exceedances is the sample size · arxiv.org/abs/2610.40366(q-fin.MF,2026-10-29)· 访问日期 2026-10-31。
本文为原创提炼,非原文翻译。表 1 的交易日与越界次数由本文按 (1−τ)(H/Δ)²ln(1/4δ) 自设 H=0.8pp、Δ=0.2pp、δ=5% 复算;表 2 的误判率引自原文 250 天模拟(1,000 次重复),非本文计算;股指窗口的 18.4%/6.9% 亦引自原文。

安装 App