VaR模型通过四步量化多空组合风险：一构建净收益序列，二历史模拟法计算分位数VaR，三蒙特卡洛模拟捕捉相关性与跳跃风险，四压力测试校准极端情景下模型稳健性。

全球主流的正规交易所推荐

欧易OKX：

 

Binance币安：

 

火币Huobi：

 

Gateio芝麻开门：

 

风险价值模型（VaR）用于量化特定置信水平下最大潜在损失，适用于多空头寸的联合风险评估。

一、构建多空组合收益率序列

需将做多资产与做空资产的损益统一映射为单一时间序列，以支撑VaR计算基础。该步骤确保方向性敞口被同步纳入统计框架。

1、获取做多标的每日收盘价与做空标的每日结算价，时间窗口对齐至相同交易日。

2、按名义头寸规模与合约乘数，分别计算多头日收益与空头日收益（空头收益=前日空仓价格−当日空仓价格）。

3、将两者相加生成组合日净收益序列，并除以初始总保证金得出日收益率序列。

二、采用历史模拟法计算VaR

直接利用历史收益率分布推导分位数值，不依赖正态假设，适配加密市场肥尾特征。

1、选取至少一年以上、包含典型波动周期的组合日收益率数据。

2、将收益率由低到高排序，定位对应置信水平的位置（如95%置信度取第5百分位）。

3、将该分位数乘以当前组合名义价值，得出以美元计价的VaR值。

三、应用蒙特卡洛模拟生成情景分布

通过随机抽样模拟多空资产价格联动路径，捕捉相关性突变与跳跃风险。

1、估计多头资产与空头资产收益率的协方差矩阵，纳入杠杆代币或永续合约的资金费率扰动项。

2、设定10万次以上模拟路径，每条路径中同步生成两资产价格序列并计算组合损益。

3、提取所有模拟损益的指定分位数，该数值即为动态调整后的VaR阈值。

四、引入压力测试校准VaR输出

在极端行情下验证VaR模型稳健性，防止黑天鹅事件中模型失效。

1、选取BTC单日跌幅超15%、ETH波动率突破80的历史时段作为压力情景。

2、将该时段内多空资产相关性重设为0.9以上，重新运行历史模拟流程。

3、对比压力情景VaR与常规VaR，若偏差超过40%，则下调头寸规模至压力VaR可覆盖范围。