风险度量回答三个层层深入的问题：**最近它晃得多厉害（波动率）？它对系统晃动多敏感（Beta/跟踪误差）？最坏情况会坏成什么样（VaR/尾部）？**每往下一层，测量的难度与价值都上一个台阶。
波动率：三种估计与各自的偏差
- 收盘价标准差（经典）：
σ_daily × √252。简单稳健，但只用每天一个点——日内大幅震荡而收盘接近的日子会被低估； - 已实现波动率（Realized Vol）：用日内高频收益的平方和聚合，统计效率比日频高一个数量级——波动率研究的现代标准（计算细节见随机过程 ）；
- 隐含波动率（IV）：期权市场对未来波动的定价，前瞻性是它独有优势（IV 上升常领先于已实现波动上升）——风控的「传感器」，但含风险溢价（IV 系统性高于后续 RV）。
两个估计陷阱：波动聚集（GARCH 效应）意味着用全样本一个 σ 描述「现在」是错的，滚动窗口或条件模型才是常态；极端值主导（平方对大偏离极其敏感）意味着一次崩盘日会让 60 日波动率跳升数倍——区分「波动水平」与「波动中的异常值」。
Beta 与跟踪误差：组合在系统中的坐标
Beta：组合对基准的敏感度。β=0.8 表示基准 +1% 时组合期望 +0.8%。它回答「你承担了多少系统风险」——但在多因子语境下要展开成暴露向量（对市场、价值、动量、规模…各多少，见因子暴露监控
）：只看市场 Beta 的「中性」组合可能满仓小市值风格，2024 年初照样崩。
跟踪误差（TE）：std(组合收益 − 基准收益)，主动风险的标准度量。它把「主动管理的赌注大小」量化：指增产品 TE 3%–8%；TE=0 就是指数本身。信息比率 IR = 年化超额/TE 是主动管理的成绩单——但注意超额的显著性门槛：t = 超额/TE × √年数，五年样本、超额 3%、TE 8%（t≈0.84）无法与运气区分（见假设检验
与基准选择
）。
Beta 与 TE 的组合含义：高 Beta + 低 TE = 「放大版的基准」（没有主动能力，只有杠杆化的市场暴露）——识别这类「伪主动」产品，Beta/TE 二维图一眼可见。
VaR 与 CVaR：尾部风险的通用语言
VaR（在险价值）：给定置信水平与期限，「最坏情况」的边界。例：95%/1日 VaR = 200 万 → 100 天里约有 5 天亏损超过 200 万。三种计算方法：
| 方法 | 做法 | 优点 | 缺点 |
|---|---|---|---|
| 历史模拟 | 用历史收益分布的分位数 | 无分布假设、含真实肥尾 | 假设历史重演；极端分位样本少 |
| 参数法（方差-协方差） | 正态假设 + 组合方差 | 计算快、可分解到持仓 | 低估肥尾（正态的傲慢，见概率论基础 ） |
| 蒙特卡洛 | 模拟 N 条路径取分位 | 灵活（可加压力情景） | 依赖模型假设与随机数质量 |
CVaR / ES（条件在险价值）：超过 VaR 的那些日子的平均损失。它比 VaR 诚实（VaR 不告诉你越过边界后有多坏，CVaR 回答了），且是凸的——可以直接作为组合优化的目标函数（CVaR 优化，见优化 ），这是它成为现代风控标配的数学原因。监管口径（巴塞尔 FRTB）已从 VaR 转向 ES。
使用纪律：VaR 家族度量「正常市场里的坏日子」，不度量危机——1995 年后的每次危机都在提醒：历史样本外的尾部（从未见过的相关性、从未见过的波动水平）才是真正的杀手。所以 VaR 必须与压力测试（人造极端情景，见事前风控 ）配对使用。
下行风险与尾部：分布形状的语言
- 偏度（Skewness）：分布的不对称。负偏（左尾长）策略 = 「多数小赚 + 偶尔大亏」（卖波动、套息、高息债——金融里最常见的危险形状）；正偏（右尾长）= 趋势跟踪、期权买方。同夏普的两组策略，偏度决定生死体验——动量的动量崩溃（见因子失效案例 ）就是负偏的代价；
- 峰度与尾部指数：肥尾的程度。t 分布自由度 3–6 是收益率拟合的常态——任何假设正态的尾部估计都要打对折再看；
- 最大回撤族：MDD、回撤持续、ulcer 指数——资金曲线视角的风险（与产品的预警/平仓线直接对应，是「活着」的度量）；
- 尾部相关性：危机时资产间相关性跳升的现象（见组合风险 ）——分散化在最需要时失效，是尾部风险管理的头号难题。度量：分位数相关、条件相关（超越阈值时的 ρ）。
本篇的合成读法：用波动率管「日常」，用 Beta/TE 管「主动赌注的大小」，用 VaR/CVaR 管「正常世界的坏日子」，用偏度+压力测试管「历史之外的世界」。四层齐备，风险才被「看见」——看见之后的事（限额、熔断）见本章后续各篇。