PELVaR概念与定义 [page::4][page::7]

• 通过灵活期望短缺（FES）混合期望与ES构建风险指标，定义了PELVaR作为VaR的协整表示。

- PELVaR在相同概率水平下，使FES与VaR等价，解决了VaR缺乏次可加性和忽略尾部风险的问题。

• 灵活性参数θ_p唯一确定，其值体现了损失分布尾部形态特征。

θ指数的理论性质及计算 [page::8][page::9][page::10]

• θ指数具有位置尺度不变性，即对风险分布的平移和放缩保持不变。

- θ指数非负且单调递减，可以用作尾部风险的形状指标。

• 建立了θ指数的经验估计方法，并证明其渐近一致性。

θ序与分布特征关联 [page::12][page::13]

• 定义θ序，比较两个风险在尾部风险形状上的大小。

- θ序等价于一个基于ES减均值比例的增函数性质。

• 于广义帕累托分布族中，θ指数拥有解析表达式，且其线性均余函数特性唯一确定分布。

边际风险分配及欧拉分配原则应用 [page::14][page::15][page::17]

• 在风险组合中，FES满足边际风险分配的完整性和欧拉分配原则。

- 解析给出θ指数及PELVaR在组合中各风险成分的边际贡献，尽管VaR的风险分配估计存在近似误差。

• 负的θ边际贡献解释为风险成分相较总体尾部风险的降低作用。

不同损失分布模型中θ指数表现 [page::19][page::20][page::22]

• 针对均匀、正态、指数等分布，给出了θ指数的封闭解，θ指数揭示尾部风险轻重排序。

- 对形状变化的分布（如Student-t、对数正态、Gamma等）也给出θ指数的半封闭式表达与图示。

• θ指数作为区分轻尾与重尾风险的有力工具。

模拟检验与边际风险识别能力 [page::24][page::25][page::26]

• 大规模蒙特卡洛模拟验证了PELVaR与VaR在风险估计上的一致性。

- θ指数可区别风险成分的尾部风险贡献，负值表明贡献较小或风险缓减。

• 当多重重尾源共存且相关性高时，VaR及PELVaR的边际风险估计存在不稳定性，θ指数表现为更有效的尾部风险识别。

PELVaR的次可加性与应力测试 [page::27][page::28]

• 在高依赖和极端尾部事件模拟中，PELVaR始终满足次可加性，即协整风险度量性质。

- VaR在多种情形下多次违反次可加性，PELVaR避免了这一风险，体现更优风险管理属性。

挪威火灾保险赔付数据实证分析 [page::29][page::30][page::32]

• 应用PELVaR和θ指数对1981-1992年挪威火灾保险理赔数据的尾部风险进行量化。

- θ指数揭示部分年份（如1985、1986、1988）存在显著重尾风险，VaR和ES的估值均大幅提升。

• 基于历史数据窗口的PELVaR预测相比传统VaR在多数年份表现出更优的拟合和风险一致性，尤其是在尾部趋势捕捉上表现优良。

深度分析报告：《PELVaR: Probability equal level representation of Value at Risk through the notion of Flexible Expected Shortfall》

---

1. 元数据与概览

标题：《PELVaR: Probability equal level representation of Value at Risk through the notion of Flexible Expected Shortfall》

作者：Georgios I. Papayiannis，Georgios Psarrakos

机构：Department of Statistics & Insurance Science, University of Piraeus；Stochastic Modelling and Applications Laboratory, Athens University of Economics & Business

主题：本文针对风险管理中的核心风险度量指标——Value at Risk（VaR）与Expected Shortfall（ES），提出了基于Flexible Expected Shortfall（FES）的概率等水平表示模型PELVaR。该方法旨在弥补VaR的非次可加性（非亚可加性）和对尾部风险无感知的局限，利用FES的灵活混合结构，实现VaR的相干（Coherent）表征。

核心论点及贡献：

• 通过引入FES的灵活参数θ，实现VaR与ES在相同概率水平的结合，构造出新风险度量PELVaR。

- PELVaR在近似原VaR的同时，继承了相干风险度量的优良性质，特别是解决了VaR的非次可加性和尾部风险忽视问题。

• θ指数（即灵活参数的函数）被重点定义为衡量尾部厚度及风险分布形态的归一化指标，赋予PELVaR更丰富的风险表达能力。

- 利用Euler原理实现风险资本在风险组合中合理分配，为风险贡献分析提供理论支持。

• 通过模拟实验和保险损失数据的实证应用验证该框架的实用性和优势。

简而言之，作者旨在为风险管理提供一个在实际操作中继承VaR直观便捷且符合监管要求，同时理论上更为坚实的风险度量工具——PELVaR。[page::0][page::1][page::2]

---

2. 报告逐节深度解读

2.1 引言（Section 1）

• VaR虽普遍被拥护却存在理论缺陷，尤以非次可加性和忽视尾风险著称，且替代方案虽多但难以取代其在监管与实务中的地位。

- Basel III监管虽引导采用ES及更稳健风险度量，但仍允许VaR的应用，提供了寻找VaR与ES之间概率水平对应关系的现实需求。

• PELVE理论（Li and Wang, 2023）提出ES和VaR基于不同概率水平的对应，本文则创新性提出PELVaR，强调概率“等”水平下的FES混合框架，旨在改善VaR缺陷同时保持其实用性。[page::1]

---

2.2 Flexible Expected Shortfall及PELVaR的理论基础（Sections 2和2.1）

• 介绍了Flexible Expected Shortfall（FES），其定义为：

\[
\mathrm{FES}p(X;\theta) = \frac{1-p}{1-p+\theta} \mathrm{ES}p(X) + \frac{\theta}{1-p+\theta} \mathbb{E}[X]
\]

参数$\theta>0$决定ES与均值的混合比例，使FES介乎于均值与ES之间，兼具相干性和灵活性。

• VaR定义为分位数，满足

\[
\mathbb{E}[X] \leq \mathrm{VaR}p(X) \leq \mathrm{ES}p(X), \quad p \in DX := \{p: \mathrm{VaR}p(X) > \mathbb{E}[X]\}
\]

• 设定核心命题：存在唯一$\thetap$使得

\[
\mathrm{FES}p(X;\thetap) = \mathrm{VaR}p(X).
\]

• $\thetap$称为“灵活性参数”，形成了PELVaR（Probability Equal Level Value at Risk）——在同一概率水平$p$下，FES能“精确”代表VaR。
• 该命题（Proposition 1及Theorem 1）基于微分分析表明FES关于$p$的最大值即为VaR，$\theta$的唯一性确保该表达唯一确定。
• 同时，PELVaR继承了FES的相干性质，弥补了VaR的非次可加性和对尾部风险的无感知缺陷，保持操作上的稳定和监管适用性。[page::3][page::4][page::5][page::6][page::7]

---

2.3 $\theta$-指数及其特性（Section 2.2）

• 关键创新指标$\thetap(X)$定义为：

\[
\thetap(X) = \frac{\mathbb{E}[(X - \mathrm{VaR}p(X))+]}{\mathrm{VaR}p(X) - \mathbb{E}[X]} = \mathbb{E}\left[ \frac{X-\mathrm{VaR}p(X)}{\mathrm{VaR}p(X) - \mathbb{E}[X]} \Big| X > \mathrm{VaR}p(X) \right].
\]

• 该指数是对尾部风险的归一化度量，类似于Belzunce等（2012）的Expected Proportional Shortfall（EPS），但区别在于分母选用$\mathrm{VaR}p(X)-\mathbb{E}[X]$，更敏感于尾部形状变化。
• $\theta$指数被证明具有：

- 位置-尺度不变性（Proposition 2）：

\[
\thetap(\alpha X + \beta) = \thetap(X), \quad \alpha > 0, \beta \in \mathbb{R},
\]

使其能用于不同规模风险的客观比较，排除货币单位、通胀与基线位移等影响。

- 非负且递减（Proposition 3），随着概率水平$p$升高，$\thetap(X)$趋向0。

• 介绍了该指数的经验估计方法及其一致性证明（Proposition 4），并提出基于核平滑的改进估计策略，保证小样本下估计的平滑性和稳定性。
• 另外，引出基于$\theta$的风险大小排序（Definition 4）和其等价的尾部扩散比率单调性条件（Theorem 2），为风险形态的比较提供理论工具。
• 在损失分布模型的刻画上，结合均值剩余函数，证明若$\thetap$具备特定线性形式，则风险必属于广义Pareto分布家族（Theorem 3）。该家族包括指数、Pareto II、重标Beta等经典尾分布模型，保证该指标的泛用性及理论坚实性。

这种$\theta$-指数丰富了传统VaR与ES风险度量，成为更精细的尾部风险监控指标。[page::8][page::9][page::10][page::11][page::12][page::13][page::14]

---

2.4 边际风险分配（Section 2.3）

• 依据Euler风险分配原理，对复合损失组合$X = \sum{j=1}^d Xj$，定义单个风险贡献：

\[
\mathcal{R}(Xj|X) = \left.\frac{d}{d h} \mathcal{R}(X + h Xj) \right|{h=0}.
\]

• VaR及ES的风险分配分别为条件期望形式：

\[
\mathrm{VaR}p(Xj|X) = \mathbb{E}[Xj | X = \mathrm{VaR}p(X)], \quad \mathrm{ES}p(Xj|X) = \mathbb{E}[Xj | X \geq \mathrm{VaR}p(X)].
\]

• FES的风险贡献表达为（Proposition 5）：

\[
\mathrm{FES}p(Xj|X; \theta) = \frac{1-p}{1-p+\theta} \mathrm{ES}p(Xj|X) + \frac{\theta}{1-p+\theta} \mathbb{E}[Xj].
\]

• 结合PELVaR定义及$\theta$指数的边际贡献，推导出PELVaR及$\theta$指数的对应边际风险贡献公式（Proposition 6），显式体现风险贡献取决于ES、VaR及均值的组合，且满足风险总量的全分配性质。
• 针对VaR边际风险贡献计算难点，提出了基于线性回归近似和核估计的两种实用估计方案，弥补条件事件零测度导致计算挑战。
• 值得注意的是，$\theta$指数边际贡献可能出现负值，表示该风险要素减少组合尾风险，这与FES风险贡献非负属性存在差异（Proposition 7）。

综上，本文将风险分配理论成功拓展至PELVaR框架，强化了其在保险精算和风险管理中的应用潜能。[page::14][page::15][page::16][page::17][page::18]

---

2.5 形态指数$\theta$的实例与模拟（Section 3）

• 对典型模型做出解析性或半解析的$\thetap$计算，包括：

- 形状不变分布：均匀分布、正态分布、指数分布。

- 形状可变分布：Student-t、对数正态、Gamma、Weibull、Pareto II、广义极值（GEV）等。

• 结果表明，$\theta$指数反映了尾风险的严重程度，指数值大者尾风险重，曲线随$p$增加而减小。
• 例如，指数分布$\thetap$高于均匀分布，说明其尾部衰减较慢。$\theta$指数在同一族分布中随参数变化保持单调一致性，但跨家族分布可能出现排序不同的情形。
• 通过表格和图表（Fig 1,2）清晰展示各模型$\theta$的曲线变化，配合尾风险比较提供可视化解释。
• 举例中引入$\theta$-序，作为对尾部厚重程度风险排序的工具，并辅以尾部扩散比率（Right Spread Ratio）的图形分析验证排序合理性（Fig 3）。
• 模拟实验设计了多种风险组合及依赖结构，涵盖低、中、高度相关。通过样本模拟评估PELVaR、VaR和标准ES的边际风险贡献及风险配比，验证理论结论。
• 发现PELVaR与VaR边际贡献估计相近，但$\theta$指数在识别轻重尾部风险方面更有效，能判别出减轻或加剧组合尾风险的风险子项。
• 同时指出在多重尾风险共存和高关联时，VaR及其代理PELVaR边际风险估计偶现不稳定和偏差，归因于VaR边际估计的计算难度，建议未来采用更高效计算方法（如量化回归等）。[page::18][page::19][page::20][page::21][page::22][page::23][page::24][page::25][page::26][page::27]

---

2.6 PELVaR的次可加性检验与极端依赖模拟（Section 3.2.2）

• 通过模拟使用Gaussian、Student-t及Gumbel三种Copula，考察不同相关性和尾部相关场景下PELVaR、VaR、ES的次可加性（subadditivity）违反次数。
• 结果显示，PELVaR无次可加性违反案例，始终保持相干风险度量的优良性质。
• VaR则在中高强相关及极端尾部相关条件下，违反次数显著，违反率在极端情形下最高达50%左右。
• 说明PELVaR作为VaR的相干改进版本，在实际风险管理和监管压力测试中表现更稳健。[page::28]

---

2.7 实证案例：挪威火灾保险索赔数据集（Section 3.3）

• 选取1972-1992年间挪威火灾保险索赔数据，以1981-1992年数据为主分析对象。
• 该数据以货币通胀调节至2010年美元计价，单位索赔具有明显重尾特性及严重的年份间波动，统计指标如偏度、峰度、标准差剧烈波动，表现非平稳风险结构。
• 对1981-1992年度逐年计算VaR、ES及$\theta$指数曲线（0.9到1的高概率区间，见Fig 4），发现1985、1986、1988年尾部风险显著异常，$\theta$指数水平达到1以上，反映尾部异常沉重。
• 设计了基于历史滚动窗口的单年VaR预测两种估计器：

1. 传统经验VaR估计器。

2. PELVaR经验估计器——基于灵活参数$\thetap$的混合估计，更灵活适配尾部变化。

• 结果（Fig 5）显示PELVaR估计器整体更接近真实VaR趋势，尤其在非极端年份表现更精确，误差偏小；而传统VaR估计常常存在过度估计的系统性偏差。
• 但在尾部极端冲击年份，此类趋势型估计器均表现欠佳，难以准确反映突变风险，表明在极端罕见事件建模时仍需完善方法。
• 作者强调估计窗口选择原则，一方面追求拟合精度，一方面偏向保守过估以避免低估风险，提示未来可研发更合适的无偏上界方法。[page::29][page::30][page::31]

---

2.8 结论（Section 4）

• PELVaR作为VaR的相干替代，基于FES混合框架实现概率等水平下VaR-ES的统一，弥补了传统VaR理论缺陷。
• 灵活参数$\thetap$构建了风险度量和尾风险分析的桥梁，引入了形态和尾部厚度定量指标，提升风险识别能力。
• 理论性质（位置-尺度不变、递减性及一致性）与分布刻画（泛化Pareto）确保该指标科学稳健。
• Euler资本分配原则融入PELVaR框架，保证风险贡献的合理划分。
• 模拟和实证检测验证了PELVaR的优势，包括VaR的良好近似、边际风险识别、次可加性始终保持及实际尾部风险数据的亲和性。
• 指出边际贡献估计中VaR计算的数值不稳定可通过先进方法改进。
• 实际应用中，PELVaR为保险业的尾部风险测算及资本预留提供了有效工具，具有推广前景。
• 总结强调PELVaR更具操作性与理论性，是连接监管需求与风险管理理论的有力桥梁。[page::32][page::33]

---

3. 图表深度解读

图表1：形态不变失落分布的$\theta$指数曲线（图19页）

• 描述：比较Uniform、Normal和Exponential三种形态不变分布的$\thetap$值随概率$p$变化的趋势。
• 解读：

- Uniform尾部风险最低，$\thetap$最低且快速降到0，代表尾部衰减最快。

- Exponential尾部风险最大，$\thetap$最高，尾部衰减最缓慢，作为轻尾/重尾临界点的基准。

- Normal居中，位于两者之间。

• 意义：为离散重尾评估提供基准，$\theta$指数可以作为尾风险“轻重”判别的客观标准。

[page::19]

---

图表2：形态可变失落分布的$\theta$指数曲线（图22页）

• 包含Student-t、LogNormal、Gamma、Weibull、Pareto II以及GEV等广泛常用分布。
• 分析：

- 不同参数值对应$\theta$值呈明显单调性，表明参数与尾部厚度直接关联。

- Pareto II尾部最重，$\theta$指数最高甚至超过2，极端尾部特征明显。

- LogNormal等分布尾部变化显著，表现出灵活性。

• 支持风险形态服从$\theta$-序的理论定义和尾部风险分布的再刻画。

[page::22]

---

图表3：尾部分散比率“Right Spread Ratio”曲线示意（图23页）

• 用于验证$\theta$-序定义的等价条件。
• 观察不同分布对比中右侧微分风险的变化趋势。
• 确认某些分布对满足$\theta$-序条件（单调递增），同时指出不满足该条件的组合，说明$\thetap$排序的局限性。

[page::23]

---

图表4：挪威火灾保险数据各年VaR、ES及$\theta$指数曲线（图30页）

• 横轴为概率水平0.9至1。蓝线为VaR，红线为ES，灰线为$\theta$指数。
• 癖形如下：

- 1985、1986、1988年表现异常重尾，$\theta$指数显著较高，且VaR与ES均显著上升，说明深刻的尾部风险与极端索赔率。

- 其他年份尾部较轻，$\theta$指数较低，风险相对可控。

• 再现了保险索赔数据重尾非稳态风险的实证特征。

[page::30]

---

图表5：VaR与PELVaR滚动预测表现（图32页）

• 四图分别展示不同置信水平（95%、97.5%、99%、99.5%）的实际VaR与两个估计器：传统经验VaR与PELVaR。
• 观察：

- PELVaR估计曲线整体更贴近真实VaR，过度保守现象减弱。

- 极端年份波动大，诸如1985-1988年预测表现均有偏差，揭示极端事件估计困难。

• 证明PELVaR在长期趋势跟踪中的应用优势。

[page::32]

---

4. 估值与风险因素评估

• 本文核心在风险度量构造和风险资本分配，广义上属于风险价值和风险复核范畴，故未直接涉及证券估值模型或市场价格机制。
• 主要风险体现在不同风险组合下VaR非次可加性对资本配置的扭曲及对重尾风险的忽视，PELVaR通过FES混合分配机制和$\theta$指数调节，实现风险的相干度量，有效规避风险低估。
• 论文中边际贡献计算面临的核心风险是VaR条件概率事件为零测度导致难以精确计算边际风险贡献，作者提出回归及核估计近似法缓解。
• 模拟及实证均表明PELVaR能够保持风险测度的相干性和资本配置的合理性，规避VaR潜在的监管和风险管理盲点。

---

5. 风险因素与理论局限

• PELVaR理论依赖$\theta$指数的准确估计，估计过程受样本量及VaR边际贡献近似方法限制，可能出现估计偏差。
• 在多元依赖特别是高相关及极端尾相关的风险组合中，VaR边际贡献计算存在数值不稳，进而影响PELVaR及$\theta$分配的准确度。
• 极端年份或极端非稳态风险状况下，提议的滚动估计策略对突发冲击捕捉偏弱，说明模型对结构性转变或尾部突变的适应性仍需提升。
• 部分统计推断基于连续分布和理论极限，可能对实际带有离散化/跳跃特征的风险分布有适用限制。
• 对其和PELVE既有理论的对比提出了清晰界定，表明本方案是贴合“概率相等水平”理念的创新贡献，但对模型细节展现的监管或实务参数选择及稳定性尚有待进一步检验。

---

6. 结论性综合

本文提出了基于Flexible Expected Shortfall的Probability Equal Level VaR（PELVaR），通过灵活混合ES与均值的FES框架实现VaR的相干化表示，成功解决VaR传统上非次可加及忽视尾风险的不足。核心灵活参数$\theta_p$不仅确定PELVaR的风险度量权衡，也作为新的尾风险归一化指数，揭示风险分布形态与尾部厚度的信息。

理论部分严密证明了$\theta$的唯一性、位置-尺度不变性、递减性及经验估计的一致性，且基于广义Pareto家族的分布刻画，进一步赋予该指数强大适用性。风险资本划分深入嫁接Euler原理，理论及模拟实验均表明PELVaR与VaR风险数值近似一致，但风险贡献层面PELVaR更优越、更稳健，尤其体现在风险的次可加性保持和边际风险识别上。

模拟分析涵盖多重风险组合分布和依赖结构，在保留VaR直观性的同时有效预防VaR可能的监管漏洞和风险低估事件。实证以挪威火灾保险索赔为例，验证了PELVaR更具适应性与预测能力，能更灵敏捕捉尾部风险波动波段，尽管对极端尾部事件仍稍显不足。

整体来看，PELVaR兼具传统VaR的行业接受度和ES等相干风险度量的理论优势，为金融与保险领域风险管理、资本要求及监管合规提供了极具实用价值的新型工具。其引入的$\theta$-指数亦为风险形态与尾风险提供了新的定量分析视角，值得业界和学术界深入关注和推广。

---

以上分析系统解构了报告关键论点、理论框架、数学结构与实证验证，并详细剖析了报告所提供的所有关键图表，保障内容的严谨性和全面性。文章既涵盖金融风险管理的理论创新，也深入金融保险业的实践运用，具有较强的学术价值和现实意义。[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33]

报告