黑天鹅不是 5σ，是分布错了

01一个反共识：金融不是正态的

教科书用正态分布建模收益，因为好算。但实测金融收益的尾部比正态厚得多——4σ、5σ 的事件，正态说几百年一次，实际几年就来一次。

1987 年黑色星期一，标普单日跌 22.9%，按正态是 20σ 事件——宇宙寿命内都不会发生一次，但它就是发生了。2008、2020 同样。原因：金融收益尖峰厚尾，极端事件概率比正态高几个数量级。用正态算风险，等于带着漏水的桶航海。

EVT（极值理论）不假设整体分布，只建模"最极端的那部分"——用广义帕累托分布拟合尾部，让 VaR 反映真实的厚尾。这是风控从"自欺"到"自知"的关键一步。

02VaR 计算器：正态 vs 厚尾

下面输入置信度和波动率，看正态假设和厚尾（EVT）假设下的 VaR 差多少。差的就是正态低估的风险。

03为什么 VaR 还不够，要配 ES

VaR 告诉你"在 X% 置信下，最多亏多少"——但它不告诉你超过这个数会亏多少。而黑天鹅恰恰是"超过 VaR 的那部分"，那部分才是爆仓的元凶。

所以风控要配 ES（Expected Shortfall，期望损失/条件 VaR）：在亏损超过 VaR 的条件下，平均亏多少。ES 比 VaR 更能反映厚尾——同样 99% 置信，正态下 ES 只比 VaR 大一点点，厚尾下 ES 可能是 VaR 的 2 倍。

• VaR：99% 置信下，最坏不亏超过 X。回答"门槛"。
• ES：亏损超过 X 时，平均亏 Y（Y>X）。回答"尾巴有多厚"。

巴塞尔协议 III 已经从 VaR 转向 ES，就是因为 VaR 在厚尾前失真。你做风控，两个都要算，且都要用厚尾模型，不能图省事用正态。

04带走这套清单