想给数字货币算VaR值？历史模拟、参数法和蒙特卡洛实测对比
数字货币价格波动剧烈、尾部风险突出想给数字货币算VaR值？历史模拟、参数法和蒙特卡洛实测对比，直接套银行那套95%置信度VaR框架，算出来的数字往往严重低估真实损失。做风控这几年，我把三种主流算法的实操要点捋了一遍。
参数法的核心是GARCH模型。比特币日收益波动率不是常数数字货币计算VaR值，今天3%明天可能飙到12%，固定标准差接不住。我用GARCH(1,1)拟合，取条件方差外推值乘以z分位数（95%对应1.645），再乘持仓市值得单币种VaR。多币种组合还要算协方差矩阵，用极值理论修正尾部更靠谱。
历史模拟法更"笨"但稳。取过去250个交易日日收益率排序，取5%分位即VaR。问题是数字货币交易日历不连续，周末也跑，250天样本混了不同情绪阶段。实操中我做EWMA加权，半衰期75天，比等权效果好一截。
蒙特卡洛适合多资产组合和非参数依赖。用Copula刻画币种间相关性——BTC和ETH暴跌时相关性能飙到0.85——模拟10万次路径取5%分位。GPU跑一晚出结果，适合压力测试。
流动性折价必须算，凌晨滑点能吃掉2%-5%；稳定币脱锚风险得单独建模；监管跳空缺口历史模拟覆盖不到，要手动加情景。你手上是单币还是多币组合？VaR算完打算配多厚的止损？
