Skip to main content
Trading15 min read

Объяснение математики портфельного риска: VaR, CVaR и почему важна оценка ковариации

Математика RiskRadar — Value at Risk, Conditional VaR, сжатие Ледойта-Вольфа и моделирование Монте-Карло, объяснённая для инженеров, не являющихся квантитативными аналитиками.

Part ofFintech & Trading Systems->
By Jason TeixeiraMarch 22, 2026
PythonRisk ManagementTradingMathematicsPortfolioscipy
Share:
On this page

Когда я создавал RiskRadar, мне нужно было реализовать расчеты рисков институционального уровня. Большинство руководств по управлению рисками либо чрезмерно упрощают («просто посчитайте стандартное отклонение»), либо предполагают наличие математического образования уровня PhD.

Вот золотая середина — математика, которая вам действительно нужна для реализации портфельного риска, объясненная для инженеров.

Value at Risk (VaR): Что может пойти не так хуже всего?

VaR отвечает на вопрос: «Каков мой максимальный возможный убыток за день с 95% уверенностью?»

Если ваш 1-дневный 95% VaR составляет $10,000, это означает: в 95% дней ваши убытки не превысят $10,000. В остальные 5% дней... они могут превысить.

Три способа расчета VaR:

Исторический VaR (самый простой)

Отсортируйте исторические дневные доходности. 5-й процентиль — это ваш 95% VaR.

Reader route

article -> proof -> offer

ReadClusterProofScope

cluster

Fintech & Trading Systems

intent

Trading

route

next step

What to do with this

Turn the note into a build path.

If this topic maps to a real business problem, keep reading the cluster, study the academy path, or route the work into a scoped engagement.

Jason Teixeira
Written by
Jason Teixeira
Founder, Sage Ideas Studio · Principal Engineer
livebuild 81e8c8e2026-07-28 06:02Z
// solo studio// no analytics resold// every commit human-reviewed