天驭学院 · 教学材料 · 量化风控框架
课程讲义
VaR实操要验证单调、符号和小样本边界。代码返回数字不代表输入有意义，无数据、非有限值和错误置信水平应拒绝。
运行自检→手算10项样例→改95%再算→测试空数组/NaN→输出算法与错误，不吞异常。
同样10项损失求95%nearest-rank VaR；置信度1.2和空样本怎样处理？
ceil(9.5)=10，VaR10；1.2越界与空样本均明确报错或不可计算，不返回0。数值不同是样本/算法特性，不擅改预期掩盖。
20个损失18个0、2、8，nearest-rank95% VaR=2，最坏5%均值=8。若另一实现对分位插值，须注明差异。对日收益均值0、波动1%的正态模型，95%单侧损失近似1.645%，不含跳空保证。
小样本ES不稳定；实际限额需独立专业评审，不直接采用课程阈值。
这个无依赖脚本提供秩相关、时间折、库存估值、协方差风险与拒绝路径的小实验。网格部分仅做下穿买入库存，不含卖出回收或真实成交；风险平价部分只演示给定协方差，不是通用优化器。按报告核算，不将小实验当作完整生产策略。
python strategy_labs.py课程数值、价格、账户和案例均为教学假设；固定材料可离线复现。完成标记仅记录学习，不是能力认证、服务批准或收益保证。
VaR实操要验证单调、符号和小样本边界。代码返回数字不代表输入有意义，无数据、非有限值和错误置信水平应拒绝。
按题设保存成果、核对参考结果后填写自评记录。勾选仅为个人记录，不是自动批改或能力认证。
完成标记仅记录个人学习，不代表能力认证。练习使用教学假设或合成数据，不要求真实开户、入金或交易。