在基金投资风险的测度体系中，预期损失（Expected Shortfall, ES）因其能够衡量超过风险价值（VaR）的尾部平均损失，且满足次可加性，被公认为优于VaR的一致性风险测度指标。然而，任何风险模型都不是万能的，预期损失在实际应用中同样存在不可忽视的局限性。
首先，预期损失的计算过程极为复杂。在正态分布假设下，ES可以通过VaR直接推导得出；但在金融市场常见的非正态分布（如呈现严重“肥尾”特征）下，ES往往难以得出简单的解析解。此时，风控人员必须依赖蒙特卡洛模拟或极值理论等复杂的数值计算方法，这对基金公司的IT算力、模型开发能力提出了极高要求。
[图片：蒙特卡洛模拟计算预期损失（ES）的流程示意图]
其次，ES对历史数据的数量、质量以及模型假设极其敏感。由于ES关注的是分布尾部的极端损失，如果历史样本数据长度不足，或者数据中混入了非代表性的极端异常值，计算出的ES结果将会被严重扭曲。此外，若所选用的概率分布模型与实际市场情况不符（即存在模型风险），得出的预期损失也将失去指导意义。
因此，对于基金从业人员而言，在应用预期损失指标时，绝不能将其视为唯一的“真理”。在实际风控工作中，必须将ES与VaR、压力测试以及情景分析等工具结合使用。通过压力测试来弥补ES在极端罕见情景下的数据不足，从而构建起更加立体、稳健的投资风险管理体系。
科目：证券投资基金基础知识
考点：三、预期损失
