全部期权指南
用偏度与峰度修正正态分位数阅读约15分钟
风险分位数的Cornish–Fisher展开
理解Cornish–Fisher如何用累积量修正正态分位数、它与Edgeworth的区别，以及尾部风险估计为何需要单调性与稳定性检查
由 Mark 编写 · 官方资料列于文末
直接答案
Cornish–Fisher展开用标准化累积量修正参考正态分位数，从而近似目标分布的分位数。它可把偏度和峰度转化为情景或VaR阈值调整，但截断公式可能造成分位数交叉与不可靠的远尾估计
输出是分位数而不是密度
对概率p，令z_p=Φ^{-1}(p)为标准正态分位数
Cornish–Fisher先修正z_p，再用目标均值μ与标准差σ重新缩放
它回答哪个阈值对应p，却不说明阈值之外的密度或平均损失
偏度与峰度产生首批修正
使用标准化偏度γ₁和超额峰度γ₂，常见截断式从z_p+γ₁(z_p²−1)/6开始
再加γ₂(z_p³−3z_p)/24−γ₁²(2z_p³−5z_p)/36，随后乘σ并加μ
γ₁²项说明渐近阶次并不等于每个更高阶矩各增加一个修正
展开来自渐近反演
Cornish–Fisher可通过反演累积分布的Edgeworth近似推导
Edgeworth近似给定x处的密度或CDF；Cornish–Fisher近似达到选定累积概率的x
若要让截断阶次受控，两者都需声明渐近序列与累积量缩放方式
风险应用需要正确测度
现实收益输入可调整历史或预测VaR；期权隐含累积量描述的是风险中性分布
二者回答不同问题，不能因为都使用偏度和峰度就直接混合
Cornish–Fisher只给阈值，无法单独给出依赖阈值外完整损失分布的预期损失
分位数可能交叉或倒退
多项式修正随|z_p|快速增长，可能让估计分位数在p增加时反而下降
较大偏度或峰度也可能把近似推到变量支撑集之外，或颠倒预期尾部顺序
单调重排可修复顺序，但修复后的曲线已不再是原始截断展开
估计累积量增加另一层误差
样本偏度和峰度噪声大，对异常值、窗口、状态变化与时间依赖敏感
把估计输入当作已知值，会忽略可能超过形式修正本身的参数不确定性
远尾会同时放大系数误差和截断误差，而该区域的风险决策影响最大
验证要检验整条分位数曲线
在密集概率网格上检查q(p)的单调性、有限性、支撑约束与合理端点行为
在多个概率水平与精确分布、模拟、bootstrap区间和样本外超越率比较
记录累积量约定、样本期限、依赖处理、截断阶次、修复方法与独立预期损失计算
常见问题
Cornish–Fisher展开估计什么？
它用正态参考分位数加偏度、峰度与高阶累积量修正，估计选定概率的分位数
它与Edgeworth有什么区别？
Edgeworth近似某个值的密度或CDF，Cornish–Fisher近似某个概率对应的值
它能计算预期损失吗？
不能单独完成。预期损失需要分位数之外的平均损失，而非仅一个修正阈值
为什么分位数会交叉？
截断多项式修正在尾部增长并振荡，使近似分位数函数可能失去单调性
资料来源与延伸阅读
把这个概念应用到一份期权
选择合约和目标，让价格、时间与波动率假设在同一份分析中清晰呈现
分析我的期权