ES 和 VaR 的区别在计算上很明显，在实际效果值得讨论。
VaR 是 " 分位值 "：
对应的是分布中红线那个位置的值，翻译成人话就是：我有 a% 的把握明天的损失不会大于 VaR ( 损失当然是负的了，所以一般取绝对值）
而 ES 则是 大于一个置信度（小于一个分位）的条件期望，在图上是好是红线左边对应所有损失的的期望，翻译成人话是： ( 1-a% ) 糟糕的状况发生之后的加权平均损失
计算 ES 其实就是条件概率的期望积分
至于使用效果如何，完全看 backtesting 和阈值啊
一般而言，这类 risk measure 计算无非是两类结果：1. 我该给多少杠杆 2. 我的资本充足率是多少
在这两个问题上，VaR 和 ES 完全只有大小的区别。 很可能换一个波动率模型或者分布，VaR 值就大于原先的 ES 了。举个例子，我把 Normal 下的 VaR 换成了 Standard t 的 VaR， 因为 t 分布有肥尾，quantile 肯定比 normal 大。如果自由度低一点，尾巴肥一点，很可能值就大于原先的 ES 了。
那么多大，多小合适呢？完全是把 backtesting 的阈值说了算。一般来说，对于对于所有市场风险模型，我们都要对其进三种检验： 无条件检验（Unconditional coverage test），独立检验（independent test ) ，和条件检验（Conditional coverage test )
简单的说我们要做三个 Chi-square 检验：
为给定标准的似然概率（给定置信度下的损失大于模型的 " 额定 " 似然概率）
为实际测试的似然概率（回测实际损失大于置信度的似然概率）
为连续两天违反模型的概率（回测连续两天是计算时大于置信度的似然概率）
那么在固定置信度下，我们需要做：
上面三个全是 " 是 " 检验，意思是接受才是对的模型。
因此，广义的说我们不能去泛泛的去谈那个 risk measure 好不好，而是：哪一种波动率假设和分布假设下的 VaR 或者 ES 对于哪一只资产在哪一段时间的回测能不能通过检验
当然，横向比较：同一个分布和波动率假设下，ES 的值当然比 VaR 大的多，也就是资本金要更加充足。这种无条件的 " 大 " 估计是 basel 强行要求充足率要用 ES 的计算的原因，监管者就是喜欢一些简单粗暴好管的东西嘛～