CloddsBot VaR/CVaR计算详解历史与参数化风险模型入门指南【免费下载链接】CloddsBotOpen Source AI trading agent that operates autonomously across 1000 markets - Polymarket, Kalshi, Binance, Hyperliquid, Solana DEXs, 5 EVM chains. Scans for edge, executes instantly, manages risk while you sleep. Agent commerce protocol for machine-to-machine payments. Self-hosted. Built on Claude.项目地址: https://gitcode.com/GitHub_Trending/cl/CloddsBotCloddsBot 是一款开源的 AI 交易智能体可自主运行于 Polymarket、Kalshi、Binance、Hyperliquid、Solana 等 1000 市场自动扫描交易机会、即时执行并持续管理风险。它内置了一套完整的风险模型VaR/CVaR 计算在每笔交易前评估最坏可能损失让机器在睡觉时也能守住资金安全线。为什么 AI 交易机器人需要 VaRVaRValue-at-Risk在险价值回答一个朴素的问题在正常情况下我最多可能亏多少VaR 95%95% 的置信水平下单日/单窗口最大损失不超过该数值CVaR 95%Expected Shortfall预期短缺当损失真的超过 VaR 时那 5% 极端情况下的平均损失对人工交易者来说VaR 是风控纪律对 CloddsBot 这样的 7×24 小时自动交易系统来说VaR 是一道硬性闸门——超过限额的交易会被直接拒绝执行而不是建议谨慎。核心实现在 src/risk/var.ts官方文档见 docs/RISK_MANAGEMENT.md。两种风险模型历史 VaR vs 参数化 VaRCloddsBot 同时提供两套计算口径互为校验模型原理优点局限历史 VaR取滚动窗口内真实盈亏排序后取分位数不依赖分布假设贴近真实回测受历史样本局限参数化 VaR假设盈亏服从正态分布用均值 标准差 Z 分数计算样本少时也能给出稳定估计假设正态低估肥尾风险历史 VaR的做法非常直白把最近 100 笔可配置盈亏从小到大排序取 5% 分位点的损失值。对应 src/risk/var.ts 中的calculateAt函数。参数化 VaR则用公式VaR -(均值 - Z × 标准差)。这里有个工程细节代码没有调用任何数学库而是内置了Beasley-Springer-Moro 近似算法src/risk/var.ts来计算正态分布的反函数 Z 分数——这是金融工程中计算分位数的经典数值方法保证 95%Z≈1.645、99%Z≈2.326等置信水平的精度。CVaR预期短缺VaR 之后的平均损失VaR 只告诉你分界线在哪却不说分界线后面有多深。CVaR 正是补上这块它取排序后位于 VaR 阈值之下的所有极端亏损求平均值src/risk/var.ts。 直观理解如果 VaR 说95% 的情况下你最多亏 $50CVaR 则回答那最惨的 5% 情形里你平均会亏多少。CVaR 恒 ≥ VaR是更保守的风险度量。除了组合层面代码还提供positionVaR()方法按持仓 ID 分组如polymarket:market123:YES计算每个仓位各自的 VaR 及它对组合 VaR 的贡献占比并自动按风险从高到低排序方便定位哪个仓位最危险。实战集成VaR 限额如何拦截交易VaR 计算的价值在于行动。在统一风险引擎 src/risk/engine.ts 中validateTrade()会按顺序执行 10 项交易前检查VaR 限额是其中一项阻断性检查每笔交易完成后盈亏通过recordPnL()喂入滚动窗口新交易申请进来时实时计算当前历史 VaR超过varLimit如 $500→ 交易被拒绝返回明确原因达到限额 80% 时 → 提前发出接近上限警告src/risk/engine.tsconst var95 calc.calculateAt(0.95); // { historicalVaR, parametricVaR, cvar, sampleSize, meanPnL, stdDev }这种计算 → 限额 → 拦截的闭环意味着风险模型不是事后报表而是实时决策链的一部分。风险仪表盘一屏看懂 VaR95 / VaR99 / CVaR95风险仪表盘 将各子系统聚合成一份快照portfolioVaR95/portfolioVaR9995% 与 99% 双置信水平的组合 VaRcvar9595% 置信水平下的预期短缺样本量不足 10 笔时自动附加低置信度警告——数据不够时诚实地告诉你结果不可靠这是严谨的风险工程习惯同时聚合波动率状态、熔断器状态、回撤、HHI 集中度指标与 Kelly 仓位建议在 WebChat 中只需输入/risk var即可查看实时的 VaR / CVaR 数值/risk dashboard则调出完整风控面板快速上手克隆仓库到本地支持 Docker 部署参见 docs/DEPLOYMENT.md 与 docker-compose.yml运行npm run dev启动网关打开 WebChat执行/risk var查看 VaR 数值用/risk set配置 VaR 限额深入阅读docs/RISK_MANAGEMENT.md 有全部 10 项检查的完整表格与 CLI 命令清单小结CloddsBot 的风险模型设计有三个值得借鉴的点✅双模型交叉验证历史法与参数化法互为参照识别分布假设偏差✅CVaR 补齐尾部不只看分位数还量化极端情形的平均损失✅计算即执行VaR 直接嵌入交易前校验链超限即拦截风险模型真正长在系统里从 src/risk/var.ts 的 260 行核心代码到 src/risk/engine.ts 的闸门集成这套历史 参数化的 VaR/CVaR 实现为个人量化项目提供了一个简洁、完整、可自托管的风控参考实现。【免费下载链接】CloddsBotOpen Source AI trading agent that operates autonomously across 1000 markets - Polymarket, Kalshi, Binance, Hyperliquid, Solana DEXs, 5 EVM chains. Scans for edge, executes instantly, manages risk while you sleep. Agent commerce protocol for machine-to-machine payments. Self-hosted. Built on Claude.项目地址: https://gitcode.com/GitHub_Trending/cl/CloddsBot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
