数据库和所有东西一样，是一种资源，需要细心优化才能发挥性能。
RDS也就是通过SQL分析，给出SQL执行的优化建议。
关于Kupiec的检验方法，可以使用R进行了重新编程作图检验，参考代码如下：n <- 984m <- seq(from=1, to=150, length=150)p <- .05 # 例外发生的概率conf <- .95 # chi^2 分布的置信水平LR=-2*log(((1-p)^(n-m) )* (p^m))+2*log(((1-(m/n))^(n-m))*((m/n)^m))critical_value <- qchisq(conf, 1)plot(m,LR, type='l', col='blue', lwd=2, main='Kupiec Test (1995)', xlab='出现风险的次数m')abline(h=critical_value, col='red', lwd=3)LR_C <- which(LR<=critical_value)abline(v=c(LR_C[1],LR_C[length(LR_C)]), lty='dashed') LR_C其中的n就是回顾测试的历史数据总数；m是这些数据中超过VaR的天数，这里的critical_value就是chi^2的临界值。最后的LR_C输出的是满足VaR回测要求的m的所有可能取值。
