突破天数多和数据量变大有什么必然的联系吗，不就是只有一个数据（天数）吗？另外如果95%的var回测结果更可靠，为什么IMA计算里面 basel中还是用一年99%var 看突破天数 加惩罚项由 3变为4 。
辛苦老师~
李坏_品职助教 · 2021年11月20日
嗨，从没放弃的小努力你好：
我刚才的表述有点问题，reliable的意思是说我们exceptions更多的情况下，回测结果更有统计意义。如果99%找到了一两个exception，确实可以拒绝var model，但是可能纯粹是因为Bad luck。95%会导致我们找出更多的exceptions，降低运气成分的影响。
考点可以参考原版书P64:
----------------------------------------------就算太阳没有迎着我们而来，我们正在朝着它而去，加油！
小董晓晨 · 2021年11月20日
我大概懂了， 就是增加或减少1~2 值对于99%var model（本身只有1个）的准确性判断的影响 要大于95%var model（有5个）。更大的exceptions基数降低了减少了样本本身波动带来的影响。
李坏_品职助教 · 2021年11月20日
嗨，从没放弃的小努力你好：
如果是95%的模型，你算出来的那个突破dollar var的值必然是比99%算出来的要小（损失的绝对值小），然后你去用新的100天数据检验，因为95%的var更容易被突破，新数据的损失稍微大一点可能就会突破95%的var（此时可能没有突破99%）。
如果对95%的var，我们的backtesting依然能接受，必然也可以接受99%的var。
----------------------------------------------努力的时光都是限量版，加油！
小董晓晨 · 2021年11月20日
老师您好，如果我假设一种极端的情况100个数据，我计算的95%得var为 1w，99%的var为10w，那么损失最大的六个数据分别为12w 11w 11w 11w 11w以及1w。那么实际我们接受了95%的var，但是大概率拒绝了99%的var。
小董晓晨 · 2021年11月20日
因此我理解，降低二类错误，提高power of test（检验结果的可靠性）的方法是加大输入的组数，并且使用突破天数的平均值X'和Y'，这个和最初的模型算95%的VaR和99%的VaR，本身可能没有那么紧密？在相同的alpha下，我使用的回测组数越多，得到的回测结果越可靠。单凭一组数据无论如何都无法检验模型是否可靠，并且与计算var本身的区间关系较弱。
李坏_品职助教 · 2021年11月20日
嗨，爱思考的PZer你好：
经典题里面说的1-day var不是说只有一天的数据，比如我用过去250个交易日的数据去估算var，那如果从99%（250*1% = 2.5）改成95%（250*5% = 12.5）的confidence level，是更多的数据会突破var的阈值。
IMA里面那个说的是var model的confidence level，basel用99%是因为99%算出来的var更高，对银行的最大损失的要求更严格。
经典题里面说的是backtesting，让backtesting结果reliable的方法是让更多数据突破var的阈值，显然95%更容易突破。 这里不是看哪个var高，问的是哪一种情况下backtesting结果更可靠。
----------------------------------------------虽然现在很辛苦，但努力过的感觉真的很好，加油！
小董晓晨 · 2021年11月20日
老师您好，感谢您的回答。如果我们有100天的数据 按照99%的var计算 应该有 1天大于计算的dollar Var。然后我用另外100天的数据做检验，那实际上突破dollar var数据也只有一个值（无论是1天2天3天还是4天，假设是x天）。回测检验的意义我理解在，这个模型理论上或者说是均值应该有1天突破var值，实际检验有x天，那么这之间的差距（x-1）是由于样本差异引起的（那我就接受），是由于模型不准确引起的（那我就拒绝）。
小董晓晨 · 2021年11月20日
接上文，同样的情况，如果我使用的是95% Var model，我计算出来的应该是5天突破dollar var的值（但是也是只有一个值），依然用100天的数据做回测，超过的天数为Y,这里依然只有一个数据用来判断。所以我理解没办法说谁更可靠。这就是我疑惑的点。