EVaR Indicator and Position Sizing

NOTE

本文为公开交易策略的技战术复盘，聚焦方法逻辑、交易场景与风险边界。

策略解读

这段描述点出了所有风险管理者都要面对的核心矛盾：我们使用的传统风险工具，其数学根基是“正态世界”，而真实市场却是“肥尾世界”。正态分布假设下，六西格玛事件几乎不可能发生，但现实中我们每隔几年就会经历一次“百年一遇”的行情。传统标准差在刻画日常波动时很有效，却对极端尾部风险无能为力。VaR虽然在一定程度上弥补了标准差只看波动幅度、不分方向的缺陷，但它本身也存在致命弱点：它只关心分位数点的数值，却忽略了分位数之外“尾巴”的深浅——两个不同的分布可能拥有相同的95% VaR，但其中一个在5%尾部区域的损失可能远超另一个。

作者提出的EVaR（Entropic Value at Risk，熵风险价值）则是一种对尾部风险更敏感、在数学上具有更优性质的风险度量。它并不依赖正态分布假设，而是通过指数损失函数的某种特殊变换来捕获极端损益的整体形态。更重要的是，作者将EVaR从“风险度量”升级为“仓位管理工具”：不是简单地用EVaR来监控风险，而是直接根据EVaR的高低动态调节交易头寸大小。这种思路把风险度量与资金管理深度融合，使仓位本身成为风险的“自适应减震器”。

从方法论上看，EVaR是“一致风险度量”家族中的一员，满足单调性、平移不变性、正齐次性和次可加性等良好性质。这意味着用EVaR来分配风险预算时，不会因为资产间的分散化而出现“风险相加不等于总风险”的悖论。相比VaR可能出现的“风险汇聚后反而上升”的非一致性缺陷，EVaR在数学上更加稳健。

名词解释

肥尾分布（Fat-tailed Distribution）：指概率分布在尾部比正态分布更厚、极端值出现概率更高的分布。金融收益率序列往往呈现峰度高、尾部厚的特征，意味着千分之一概率的极端事件实际发生频率可能是百分之一甚至更高。
VaR（Value at Risk，在险价值）：给定置信水平（如95%或99%）和持有期内，投资组合可能发生的最大损失。例如95% VaR为-5%，意味着有95%的把握损失不会超过5%。但VaR不告诉我们超过该阈值后损失会达到多少，且不满足次可加性，在非正态分布下可能严重低估风险。
EVaR（Entropic Value at Risk，熵风险价值）：一种基于指数损失函数和相对熵的一致性风险度量。它比VaR和CVaR（条件风险价值）对极端尾部更敏感，且在任意分布下都满足一致性，尤其适用于肥尾分布。
标准差（Standard Deviation）：收益率的波动率，是衡量数据离散程度的传统指标。在正态分布假设下，波动率能完整描述风险，但在肥尾市场中，标准差通常低估极端损失的可能性。
回撤（Drawdown）：账户净值从历史峰值下降到某个低点的幅度。最大回撤反映了一次完整交易周期中最糟糕的亏损幅度，是交易者最关心的风险指标之一。
黑天鹅事件（Black Swan Event）：难以预测、发生率极低但影响巨大的事件。黑天鹅事件对传统风险模型构成毁灭性打击，因为模型默认这些事件“不可能发生”。
仓位管理（Position Sizing）：决定每一笔交易愿意承担多大初始资金风险的技术。常见的仓位管理方法包括固定分数法、波动率目标法、风险平价法以及本文涉及的基于尾部风险的动态仓位法。

策略思路讲解

该策略的核心逻辑可以拆解为两个层面：风险度量层面和资金管理层面。

在风险度量层面，策略不再使用标准差或VaR作为风险标尺，而是采用EVaR。具体而言，交易者需要先收集一定回溯窗口内的收益率数据，例如过去200个交易日的日收益率。接着，通过某种方式估计当前收益率分布的形状，既可以使用历史经验分布，也可以结合极值理论（EVT）对尾部进行拟合。然后，给定一个置信水平（例如95%或99%），计算该分布下的EVaR值。EVaR的数值含义可以通俗地理解为：在考虑了极端尾部事件影响后，当前持有头寸在给定置信度下可能面临的“极端风险敞口”。由于EVaR通过指数函数放大了大额损失的权重，因此它总能捕捉到比VaR更远、更深层的尾部风险。

在资金管理层面，策略将EVaR作为仓位大小的分母。一个简洁的做法是：

设定一个固定的风险预算，例如账户净值的1%作为单笔交易可承受的最大风险。
根据入场价格和止损价，计算出每一单位头寸的风险金额。
但与传统做法只依据“名义风险”不同，这里将实际风险进一步与EVaR挂钩。

更直接的是从整体组合角度：目标仓位大小 = 风险预算 ÷ 当前EVaR。假设风险预算固定，当EVaR上升时，说明尾部风险加大，系统自动削减仓位；当EVaR下降时，说明市场尾部风险降低，系统允许适当放大仓位。这种机制让账户在危机来临前自动“缩水”，从而保护本金。

如果将该指标作为交易信号过滤器，则可以结合趋势方向：只在EVaR低于某个阈值时允许开仓，或者在EVaR突然快速上升时清仓离场。作者在实践中也倾向于将EVaR与移动均线或布林带等趋势指标结合使用，但仓位调整是其中最具特色的部分。

为了适应行情演变，EVaR通常基于滚动窗口计算。但窗口长度不宜固定，最好采用自适应机制，例如在波动率高的时期缩短窗口、在平稳时期延展窗口，从而在敏感性与稳定性之间取得平衡。

优点

对肥尾风险更敏感：EVaR通过指数损失函数天然放大极端损失的影响，能够比标准差和传统VaR更准确地反映市场的尾部风险，避免“黑天鹅一来就爆仓”的悲剧。
满足一致性风险度量性质：EVaR具备次可加性、正齐次性等优点，用它来分配风险预算符合分散化原理，不会出现多个头寸组合后风险反而增大的逻辑矛盾。
与仓位管理天然结合：将EVaR作为分母的仓位公式逻辑清晰，风险越大仓位越小，实现自动化风险控制，无需人工干预即可应对市场突变。
改善最大回撤：在极端行情中，EVaR会迅速升高并导致仓位自动缩小，从而显著降低在危机中的资金暴露，保护账户余额。
分布假设灵活：EVaR不必假设正态分布，可以基于经验分布或极值理论拟合，更贴近真实市场的统计特征。

缺点

计算复杂度高：相比标准差只需要简单统计，EVaR涉及指数期望、凸优化或数值求解，对计算资源有更高要求，尤其在实时决策中需要优化算法。
参数选择敏感：置信水平、回溯窗口长度、分布拟合方法等都会显著影响EVaR的估计结果。参数设置不当，可能导致风险度量失真。
可能过度保守：由于EVaR着重惩罚尾部风险，在某些相对平稳但偶有小波动的市场中，它会给出过大风险估计，导致仓位长期偏小，拉低收益。
对数据量要求高：要准确估计肥尾，通常需要大量历史数据。如果数据不足或市场结构突变，EVaR的估计会变得不稳定，甚至出现滞后。
直觉理解困难：相比“95%概率下最多亏多少”的VaR，EVaR的统计含义更抽象，普通交易者不易直观理解，推广教育成本较高。

起源年份考证

需要说明的是，这里考证的是“该类方法”的学术与业界演进时间线，而非该特定策略的发布年份——后者在该策略作者公开分享时并无明确注记，因此无法准确考证。

1952年：马科维茨发表投资组合选择理论，将标准差作为风险度量，奠定了现代金融风险分析的基础。这是“波动率视角”的起点。
1994年：摩根大通推出RiskMetrics系统，基于正态分布假设的VaR开始被金融机构广泛采用。VaR成为银行风险管理的标准工具。
1997年：Artzner等人提出“一致性风险度量”的公理化定义，指出VaR不满足次可加性，引发了对更优风险度量的探索。
2006年前后：CVaR（条件风险价值）开始流行，它通过损失超过VaR的条件均值来弥补VaR的尾部盲区，一度成为业界新宠。
2012年：Ahmadi-Javid正式发表论文提出EVaR，从信息论和凸优化的角度构造了一类新的一致性风险度量，并证明了EVaR比CVaR在理论上更紧、更保守。
2015年以后：随着量化交易和开源社区的普及，EVaR开始被一部分量化研究者引入策略设计，用于极端行情下的仓位控制。本文所讨论的策略即是这一趋势下的产物。

因此，将“EVaR思想应用于交易策略”的早期探索大致发生在2012至2015年期间，但具体到该公开策略的发布年份，目前缺乏准确信息。

改进建议

引入动态窗口宽度：不要使用固定长度的回溯期，而是根据市场波动率自适应调整。例如在波动率上升时缩短窗口，让EVaR更快反映新的风险水平；在平稳期则加长窗口，减少噪声干扰。
结合极值理论（EVT）估计尾部：直接用经验分布对尾部估计的小样本问题，可以通过广义帕累托分布（GPD）对超过阈值的极值进行拟合，这样EVaR的尾部估计更稳定、更精确。
采用非对称权重：上涨和下跌的尾部风险对交易者影响不同。可以对损失样本赋予更高的指数权重，对收益样本赋予较低权重，从而使EVaR更偏向“损失侧”风险。
设定仓位上下限：为防止EVaR在极端情况下导致仓位无限小或零，应设置最小仓位（如账户的1%）和最大仓位（如账户的50%），保证市场结构变化时策略依然能够参与。
多时间框架联合评估：同时计算短周期（如20日）和长周期（如100日）的EVaR，取两者较高值作为风险度量，既能及时响应短期危机，又能避免被噪声欺骗。
在资产组合层面使用EVaR：如果策略同时交易多个品种，可以计算组合总体EVaR，并通过优化算法分配每个品种的权重，使整个组合的尾部风险最小化。
与其他风险指标交叉验证：将EVaR与波动率、最大回撤等传统指标结合，构建综合风险评分，防止单一指标在特定市场形态下失效。

总结

EVaR指标与仓位管理策略的核心理念，是正视金融市场中客观存在的肥尾风险。传统风险度量体系建立在正态假设之上，它们在日常市场中表现尚可，但在极端行情中往往会给出灾难性的误导。EVaR作为一致性风险度量，既具备坚实的数学基础，又对极端尾部更为敏感，是目前已知对“黑天鹅”响应最迅速的风险工具之一。

将EVaR与仓位管理融合，体现了风险管理从“测量”到“行动”的关键跨越。它不再只是告诉交易者“风险有多大”，而是直接告诉交易者“现在应该下多大的注”。这种自适应机制让账户能够伴随市场风险的变化同步收缩或扩张，从源头上降低了爆仓概率和最大回撤幅度。

当然，再优秀的风险度量也只是工具。EVaR的估计依赖历史数据，面对从未出现过的宏观突变仍然存在滞后。交易者需要结合市场逻辑、资金管理纪律和对底层资产的理解，在实践中不断调整参数。策略没有绝对的安全，只有不断逼近真实风险模型的努力。EVaR提供了一种更贴近真实世界的视角，而真正的风险控制，始终来自对市场的敬畏与对纪律的坚持。