一只基金持有几十种资产时，风险不只是把每项波动相加：真正棘手的是它们可能在坏日子里一起下跌。传统计算若先假定收益服从某种固定分布，容易抹掉历史中的偏斜、厚尾和资产联动。这项工作提出一种快速非参数算法——不预设收益分布，直接用历史数据估计VaR与CVaR。VaR回答“损失通常不会超过多少”，CVaR则衡量越过这道线后，最差尾部平均会亏多深。
关键看它能否扛住“维数灾难”：持仓越多，联合状态越繁杂，历史样本也越显稀疏。作者用49种流动性期货随机组成500个组合，并让每次估计严格看不到未来数据。按作者报告，99%单日VaR对应的实际越界率，中位数落在1.0%±0.1%；68%的组合落在1.0%±0.3%，95%落在1.0%±0.5%。这说明它在该组回测中较好贴近了理论上的1%越界率。不过，现有材料只披露这些组合测试，尚不足以证明算法在任意维度和市场环境下都不会失准。