㈠ 什麼是在險價值(var)
VAR方法(Value at Risk方法，風險價值方法)，也稱受險價值方法、在險價值方法 傳統的 ALM ( Asset-Liability Management , 資產負債管理 )過於依賴報表分析， 缺乏時效性；利用 方差 及 β系數 來衡量風險太過於抽象，不直觀， 而且反映的只是市場（或資產）的波動幅度；而CAPM（ 資本資產 定價模型）又無法揉合金融衍生品種。 在上述傳統的幾種方法都無法准確定義和度量金融風險時， G30集團在研究衍生品種的基礎上，於1993年發表了題為《 衍生產品的實踐和規則》的報告，提出了度量 市場風險 的VAR( Value at Risk：風險價值)方法已成為目前金融界測量 市場風險 的主流方 法。稍後由 J.P.Morgan 推出的用於計算 VAR的Risk Metrics風險控制模型更是被眾多金融機構廣泛採用。 目前國外一些大型金融機構已將其所持資產的VAR風險值作為其定 期公布的 會計報表 的一項重要內容加以列示。
希望採納
㈡ 什麼是證券VAR方法
VaR方法(Value at Risk，簡稱VaR），稱為風險價值模型，也稱受險價值方法、在險價值方法，常用於金融機構的風險管理，於1993年提出。
在市場正常波動下，某一金融資產或證券組合的最大可能損失。更為確切的是指，在一定概率水平（置信度）下，某一金融資產或證券組合價值在未來特定時期內的最大可能損失。
VaR從統計的意義上講，本身是個數字，是指面臨「正常」的市場波動時「處於風險狀態的價值」。即在給定的置信水平和一定的持有期限內，預期的最大損失量(可以是絕對值，也可以是相對值)。
(2)Var的測量方法擴展閱讀：
VaR特點主要有:
第一，可以用來簡單明了表示市場風險的大小，沒有任何技術色彩，沒有任何專業背景的投資者和管理都可以通過VaR值對金融風險進行評判。
第二，可以事前計算風險，不像以往風險管理的方法都是在事後衡量風險大小。
第三，不僅能計算單個金融工具的風險。還能計算由多個金融工具組成的投資組合風險，這是傳統金融險管理所不能做到的。
㈢ 金屬礦產品市場風險預測模型
金屬礦產品市場風險，是指成礦帶所在國家的市場條件的不確定引起礦業投資的不確定性。國際礦產品市場兼具實物市場和金融市場的特徵，特別是近年來大量資金的湧入，更使其金融的特徵加強。金屬期貨市場上的價格波動，直接反映出投資企業面臨或即將面臨的風險。外匯市場上的匯率波動，從間接角度也會給投資企業帶來風險。由於在國際金屬期貨市場上，金屬期貨的價格一般以美元標價，對國內企業來說，要進行國際投資，首先需要把人民幣轉化為相應的外幣，運用外幣才能在國際市場上靈活操作。
金屬礦產資源價格風險是金屬期貨交易中最為普遍、最為經常的風險，它存在於每一種期貨產品中。這是因為每一種期貨產品的交易，都是以對這種產品價格變化的預測為基礎的；當實際價格的變化方向或幅度與交易商的預測出現背離時，就會造成相應得損失。
匯率風險又稱外匯風險，就是由於匯率波動導致企業以外幣計量的籌集資金的價值發生變化的可能性。匯率波動風險，是指由於匯率的波動而給持有或使用外匯的項目公司或其他利益參與者帶來損失的風險。項目融資的成本和利潤對金融市場上匯率變動比較敏感。首先，本國貨幣與國際主要貨幣之間匯率變化的風險將影響其生產成本和費用，同時也會加劇國內市場的競爭，因為國外同類產品的生產者會發現這個市場更具吸引力；其次，各國貨幣之間的交叉匯率變化也會間接影響到該項目在國際市場上的競爭地位；最後，匯率變化也將對項目的債務結構產生影響。
金屬礦產品市場風險度量方法分析，主要是藉助金融市場風險管理理論，來選用市場風險價值（VaR）作為金屬礦產品市場風險測量指標。VaR方法是由JPMORGAN公司率先提出來的，並在實踐中得到了廣泛應用。市場風險度量的方法有多種，VaR方法是目前金融市場風險測量的主流方法。VaR計算方法包括歷史模擬法、方差—斜方差法和蒙特卡羅模擬法。與歷史模擬法和蒙特卡洛模擬法相比，方差—斜方差法的優點是需要的數據量較少，易於操作，因此在實踐中得到了廣泛應用。
VaR的優點在於將不同的市場因子、不同市場的風險集成為一個數，較准確地測量由不同風險來源及其相互作用而產生的潛在損失，適應了金融市場發展的動態性、復雜性和全球整合性的趨勢。
VaR計算方法基本思路是：首先，根據金屬礦產品市場風險因素分析市場風險因子的函數；其次，建立預測市場風險因子的波動性模型，預測市場風險因子的波動性；最後，根據市場風險因子的波動性估計市場風險價值和分布，計算出VaR 值。
（1）基於GARCH族模型的VaR計算
1）VaR計算的基本原理。
VaR譯為風險價值，是指在市場正常波動下，某一金融資產或證券組合的最大損失。更為確切地說，是指在一定概率水平下和特定的持有期內，某一金融資產或證券組合的最大損失。用數學語言，可以定義VaR為：令α∈（0,1）為某一給定的概率水平，則α水平下，投資組合p的VaR 定義如下
國外油氣與礦產資源利用風險評價與決策支持技術
式中：函數
（α）為收益Rp的累積分布函數
的逆函數。VaR的實質為Rp的α－分位數。VaR估計的條件方差方法屬於動態VaR計算的分析方法，在VaR的計算當中，其核心是對波動率的估計。不同的波動率模型構成了VaR 計算的不同。
本書是對倫敦銅和人民幣兌美元匯率對數日收益率時間序列進行研究，選取VaR的計算公式：
國外油氣與礦產資源利用風險評價與決策支持技術
式中：t表示第t天；Pt-1為上一個交易日的收盤價；zα為標准正態分布的臨界值，而1%,5%,10%的臨界值分別為－2.33,－1.64,－1.28；σt是由GARCH模型估計得到的收益率序列條件標准差。
2）VaR模型的後驗測試。
為檢驗市場風險計量模型的有效性，需要檢驗VaR模型的計算結果對實際損失的覆蓋程度。本書採用Kupiec檢驗對所建的模型適合性進行檢驗。設Ⅳ為檢驗樣本中損失高於VaR的次數，T為檢驗樣本總數，a是既定的顯著性水平，f表示失敗率。其中：
國外油氣與礦產資源利用風險評價與決策支持技術
則檢驗的假設為
國外油氣與礦產資源利用風險評價與決策支持技術
似然比統計量為
國外油氣與礦產資源利用風險評價與決策支持技術
在原假設下，LR 服從於自由度為1的X2分布。在大樣本條件下，也可以用正態分布來逼近，同樣有較好的檢驗效果。當
（1）時，拒絕H0,VaR模型失敗。
3）GARCH（p,q）族模型的基本原理。
金融風險主要是由金融資產價格的波動引起的。大量實證研究發現，金融資產的波動分布具有尖峰厚尾性和波動集聚性，即金融市場波動往往表現出異方差性。1986年Bollerslev在Engle（1982）提出的自回歸條件異方差模型（ARCH）基礎上，建立了GARCH 模型能夠較好地捕捉金融市場風險的這些特性。ARCH 及其以後產生的擴展模型TGARCH、EGARCH等被稱為GARCH模型族。目前，基於GARCH族模型對金融市場風險價值（VaR）的研究已經非常豐富。例如，龔銳、陳仲常等（2005）；陳守點、俞世典（2007）；金秀、許宏宇（2007）；丁元子（2009）等。
廣義自回歸條件異方差模型（GARCH 模型）對各指數的波動性進行分析。具體建模步驟如下：①對收益率序列進行平穩性和自相關性檢驗；②根據相關系數和Q 統計量進行ARMA模型識別；③建立均值方程，根據殘差自相關性檢驗確定模型擬合效果，並運用LM方法對序列殘差項進行ARCH效應檢驗；④採用極大似然法進行GARCH模型的參數估計；⑤根據擬合優度統計量評價模型。
A.GARCH模型。
1986年Bollerslev提出GARCH模型。GARCH（p,q）模型的一般公式包括兩部分：均值方程形式和方差方程形式。可寫為
國外油氣與礦產資源利用風險評價與決策支持技術
式中：εt為殘差；rt為收益率；αj為GARCH項系數，代表了隨機誤差項的方差滯後期對當期方差的影響；βi為AHCH項系數，代表前一期隨機誤差項對即期殘差方差的影響程度，刻畫了市場對於新的信息的反映；σt為條件方差，刻畫了市場的波動性；其中模型參數滿足一下約束：c≥0，ω≥0，α≥0，β≥0。
B.TGARCH模型。
Zakoian（1990）及Glosten,Jaganathan和Runkle（1993）提出的TGARCH（門限TGARCH）模型的一般形式為
國外油氣與礦產資源利用風險評價與決策支持技術
和GARCH 模型相比，在TGARCH 模型中設立了一個閥值dt-1，用來描述信息的影響。
其中，dt-1是一個名義變數，取0或1；市場上利好或利壞對條件方差的作用效果是不同的。上漲時，εt≥0表示利好消息，則
其影響系數為
下跌時，εt﹤0表示利空消息，則
其影響系數為
如果γ≠0，則說明信息作用是非對稱的；如果y﹥0，則認為存在杠桿效應。
另外，以上模型中
，蘊涵GARCH族過程為寬平穩。
4）實證分析。
A.數據來源。
本專題的金屬期貨的收盤價格採用倫敦期貨交易所發布的期銅收盤日收盤價格，用大智慧軟體下載。匯率所使用的資料為人民幣兌美元的匯率，來自美國聯邦儲備銀行聖路易斯分行聯邦儲備經濟資料庫（Federal Reserve Economic Data）提供的統計數據。兩者數據選取區間為2005/07/22～2009/09/04日止，其中扣除非營業日及部分交易資料的缺失。對缺失數據的處理，為當日缺失資料的前一天以及後一天的平均來當作當日缺失的資料，一共各1063個數據。
B.收益率序列基本特徵分析。
市場收益率採取對數日收益率的形式，定義為
國外油氣與礦產資源利用風險評價與決策支持技術
式中：ri,t為第i市場第t日的收益率；pi,t為i市場第t日的價格，i取1時表示期銅市場，i取2時表示外匯市場。收益率序列的主要統計特徵如圖9.18所示。可以看出均存在波動集聚性和爆發性，可認為兩個收益率序列均是隨機的。
圖9.18 收益率序列的主要統計特徵
根據表9.12給出的收益率序列的主要統計特徵，由偏度值可知倫敦銅收益率序列是左偏的，人民幣兌美元收益率序列是右偏的。兩者均具有尖峰厚尾現象，並且匯率市場比期貨市場明顯。由J-B統計檢驗知二者均拒絕服從正態分布的假設。由Q（20）和Q2（20）值可知，兩者的收益率序列和收益率平方序列均在1%的顯著性水平下，拒絕了不存在序列相關性的原假設，即都存在顯著的序列相關性，說明波動的集聚性很顯著。適合用GARCH模型來建模。
表9.12 兩收益率序列的主要統計特徵
GARCH模型的參數估計：
a.倫敦銅的最優模型為GARCH（1,1）:
國外油氣與礦產資源利用風險評價與決策支持技術
b.人民幣兌美元最優模型為TGARCH（1,1）:
國外油氣與礦產資源利用風險評價與決策支持技術
式中：括弧內數據表示參數估計的標准差，***表示在99%置信度下顯著，**表示在95%置信度下顯著；*表示在90%的置信度下顯著。
c.VaR的計算與分析。
通過式9.14與式9.15可計算出倫敦銅與人民幣兌美元對數收益率序列的條件方差
,從而得到時變的標准差σt，並按照式：
，計算得到VaR。其中，Pt-1為上一個交易日的收盤價；為計算方便，在此標准化為1元。Zα為標准正態分布的臨界值，而1%,5%,10%的臨界值分別為－2.33,－1.64,－1.28；置信水平為90%,95%,99%下每天的VaR 值，並與實際收益率進行比較，見圖9.19。
圖9.19 不同置信度下的VaR值與實際收益率的比較
d.採用Kupiec失敗率檢驗對所建的模型進行後驗測試。
表9.13 後驗測試結果分析
由表9.13可知，從似然比統計量LR值可以看出，在給定的置信水平下都小於臨界值，說明所建的VaR模型是合理的。通過α與f比較，可以看出期銅GARCH（1,1）模型預測結果基本覆蓋了實際損失，RMB/USD的TGARCH（1,1）模型略微低估了市場風險。
（2）基於歷史模擬的VaR計算方法
歷史模擬法（英文簡稱Hs）作為一種常用於VaR估值的方法，主要特點是對市場因素未來變化的概率分布並未做過多假設，只利用市場因素的歷史變化來構造未來投資組合盈虧的概率分布。在給定置信度（95%,99%）的情況下，利用分布函數找出頻數分布中佔到5%、1%的損失臨界值，以此作為VaR值。歷史模擬法步驟如下。
1）以歷史模擬法來估算I項資產未來一天的風險植的程序。
步驟一，選取過去N＋1天第I項資產的價格作為模擬資料；
步驟二，將過去彼此相鄰的N＋1筆價格資料相減，就可以求得N筆該資產每日的價格損益變化量；
步驟三，步驟二代表的是第I項資產在未來一天損益的可能情況（共有N種可能情形），將變化量轉換成報酬率，就可以算出N種的可能報酬率。
步驟四，將步驟三的報酬率由小到大依序排列，並依照不同的信賴水準找出相對應分位數的臨界報酬率。
步驟五，將目前的資產價格乘以步驟四的臨界報酬率，得到的金額就是使用歷史模擬法所估計得到的風險值（VaR）。
2）實證分析。
以倫敦市場上的期鋁為例，選取2007/7/19～2009/11/18日共592個數據，數據來源為Wind資訊金融資料庫。市場收益率採取對數日收益率的形式，公式為：rt=ln（pt）-ln（pt-1）。按照歷史模擬法的計算步驟，估計的向前一步預測在不同置信度下的市場風險價值計算結果如圖9.20所示。
圖9.20 計算結果
（3）兩種度量方法的比較
一般情況下，從失敗天數與失敗率來看，GARCH模型能更好地刻畫股市收益率的變動。從計算的VaR值來看，Hs法明顯比GARCH模型下高估了風險。VaR方法是在假設正常市場條件下對市場風險進行估算。
在估算結果的可靠性方面，Hs法過於直接依賴歷史數據。因此，當選取的考察期沒有代表性時，則Hs估算出的VaR值不能很好地反映市場風險。後種方法雖然也依賴於考察期的歷史數據，但後果不如前者那麼嚴重。但是Hs法簡便、易懂，最容易被人理解和運用，而後種方法則需要一定的概率統計和金融衍生工具的背景知識。
總之，GARCH模型在VaR的測量中更具有準確性、靈活性等特點，在當前股市瞬息萬變的情況下，已越來越為大多數人所接受，在VaR的測量方法中成為主流。
㈣ VAR方法的基本思想是什麼
VAR(Value at Risk)按字面解釋就是「在險價值」，其含義指：
在市場正常波動下，某一金融資產或證券組合的最大可能損失。更為確切的是指，在一定概率水平（置信度）下，某一金融資產或證券組合價值在未來特定時期內的最大可能損失。
用公式表示為：
Prob（△Ρ 其中Prob表示：資產價值損失小於可能損失上限的概率。△Ρ表示：某一金融資產在一定持有期△t的價值損失額。
VAR表示：給定置信水平α下的在險價值，即可能的損失上限。
α為：給定的置信水平。
VAR從統計的意義上講，本身是個數字，是指面臨「正常」的市場波動時「處於風險狀態的價值」。即在給定的置信水平和一定的持有期限內，預期的最大損失量（可以是絕對值，也可以是相對值）。例如，某一投資公司持有的證券組合在未來24小時內，置信度為95％，在證券市場正常波動的情況下，VaR 值為800萬元。其含義是指，該公司的證券組合在一天內（24小時），由於市場價格變化而帶來的最大損失超過800萬元的概率為5％，平均20個交易日才可能出現一次這種情況。或者說有95％的把握判斷該投資公司在下一個交易日內的損失在800萬元以內。5％的機率反映了金融資產管理者的風險厭惡程度，可根據不同的投資者對風險的偏好程度和承受能力來確定。以上供參考。
㈤ 數理統計var怎麼計算
用公式表示為：P(ΔPΔt≤VaR)=a
字母含義如下：
P——資產價值損失小於可能損失上限的概率，即英文的Probability。
ΔP——某一金融資產在一定持有期Δt的價值損失額。
VaR——給定置信水平a下的在險價值，即可能的損失上限。
a——給定的置信水平。
(5)Var的測量方法擴展閱讀：
VaR的計算系數：
要確定一個金融機構或資產組合的VAR值或建立VAR的模型，必須首先確定以下三個系數：
一是持有期間的長短。持有期△t，即確定計算在哪一段時間內的持有資產的最大損失值，也就是明確風險管理者關心資產在一天內一周內還是一個月內的風險價值。
二是置信區間的大小。對置信區間的選擇在一定程度上反映了金融機構對風險的不同偏好。
三是觀察期間。觀察期間是對給定持有期限的回報的波動性和關聯性考察的整體時間長度，是整個數據選取的時間范圍，有時又稱數據窗口(Data Window)。例如選擇對某資產組合在未來6個月，或是1年的觀察期間內，考察其每周回報率的波動性(風險) 。
參考資料來源：網路——VAR方法
㈥ VAR模型優缺點和主要作用有哪些
一、VaR模型的優點如下：
1、 VaR模型測量風險簡潔明了，統一了風險計量標准，管理者和投資者較容易理解掌握。
風險的測量是建立在概率論與數理統計的基礎之上，既具有很強的科學性，又表現出方法操作上的簡便性。同時，VaR 改變了在不同金融市場缺乏表示風險統一度量, 使不同術語(例如基點現值、現有頭寸等) 有統一比較標准, 使不同行業的人在探討其市場風險時有共同的語言。
另外，有了統一標准後，金融機構可以定期測算VaR值並予以公布，增強了市場透明度，有助於提高投資者對市場的把握程度，增強投資者的投資信心，穩定金融市場。
2、可以事前計算, 降低市場風險。
不像以往風險管理的方法都是在事後衡量風險大小，不僅能計算單個金融工具的風險, 還能計算由多個金融工具組成的投資組合風險。綜合考慮風險與收益因素,選擇承擔相同的風險能帶來最大收益的組合，具有較高的經營業績。
3、確定必要資本及提供監管依據。
VaR為確定抵禦市場風險的必要資本量確定了科學的依據, 使金融機構資本安排建立在精確的風險價值基礎上, 也為金融監管機構監控銀行的資本充足率提供了科學、統一、公平的標准。VaR 適用於綜合衡量包括利率風險、匯率風險、股票風險以及商品價格風險和衍生金融工具風險在內的各種市場風險。因此, 這使得金融機構可以用一個具體的指標數值(VaR) 就可以概括地反映整個金融機構或投資組合的風險狀況, 大大方便了金融機構各業務部門對有關風險信息的交流, 也方便了機構最高管理層隨時掌握機構的整體風險狀況, 因而非常有利於金融機構對風險的統一管理。同時, 監管部門也得以對該金融機構的市場風險資本充足率提出統一要求。
二、VaR的應用主要體現在：
1、，用於風險控制。目前已有超過1000家的銀行、保險公司、投資基金、養老金基金及非金融公司採用VaR方法作為金融衍生工具風險管理的手段。利用VaR方法進行風險控制，可以使每個交易員或交易單位都能確切地明了他們在進行有多大風險的金融交易，並可以為每個交易員或交易單位設置VaR限額，以防止過度投機行為的出現。如果執行嚴格的VaR管理，一些金融交易的重大虧損也許就可以完全避免。
2、用於業績評估。在金融投資中，高收益總是伴隨著高風險，交易員可能不惜冒巨大的風險去追逐巨額利潤。公司出於穩健經營的需要，必須對交易員可能的過度投機行為進行限制。所以，有必要引入考慮風險因素的業績評價指標。
3、估算風險性資本（Risk－based capital）。以VaR來估算投資者面臨市場風險時所需的適量資本，風險資本的要求是BIS對於金融監管的基本要求。下圖說明適足的風險性資本與 VaR值之間的關系，其中VaR值被視為投資者所面臨的最大可接受（可承擔）的損失金額，若發生時須以自有資本來支付，防止公司發生無法支付的情況。
溫馨提示：以上內容僅供參考。
應答時間：2021-02-02，最新業務變化請以平安銀行官網公布為准。
[平安銀行我知道]想要知道更多？快來看「平安銀行我知道」吧~
https://b.pingan.com.cn/paim/iknow/index.html
㈦ 金融風險的測量方法都有什麼
目前的主流風險測量方法就是風險價值法(VAR)。本文的主要目的就是討論風險價值法的三種模型：歷史模擬法、分析方法和MonteCarlo法，並介紹它們的一些改進模型。
00一、歷史模擬法
00歷史模擬法的核心在於根據市場因子的歷史樣本變化模擬證券組合的未來損益分布，利用分位數給出一定置信水平下的VAR估計。歷史模擬法是一種非參數方法，它不需要假定市場因子的統計分布，因而可以較好的處理非正態分布；該方法是一種全值模擬，可有效地處理非線性組合(如包括期權的組合)。此外該方法簡單直觀，易於解釋，常被監管者選作資本充足性的基本方法。實際上，該方法是1993年8月巴塞爾委員會制定的銀行充足性資本協議的基礎。
二、分析方法
00分析方法是VAR計算中最為常用的方法。它利用證券組合的價值函數與市場因子間的近似關系、市場因子的統計分布(方差-協方差矩陣)簡化VAR計算。根據證券組合價值函數形式的不同，分析方法可分為兩大類：Delta-類模型和Gamma-類模型。在Delta模型中，證券組合的價值函數均取一階近似，但不同模型中市場因子的統計分布假設不同。如Delta-正態模型假定市場因子服從多元正態分布；Delta-加權正態模型使用加權正態模型(WTN)估計市場因子回報的協方差矩陣；Delta-GARCH模型使用GARCH模型描述市場因子。
00在Gamma-類模型中，證券組合的價值函數均取二階近似，其中Gamma-正態模型假定市場因子的變化服從多元正態分布，Gamma-GARCH模型使用GARCH模型描述市場因子。
00三、蒙特o卡羅模擬法
00分析方法利用靈敏度和統計分布特徵簡化了VAR。但由於對分布形式的特殊假定和靈敏度的局部特徵，分析方法很難有效處理實際金融市場的厚尾性和大幅波動的非線性問題，往往產生各種誤差和模型風險。模擬方法可能很好的處理非線性和、非正態問題。其主要思路是反復模擬決定金融估計價格的隨機過程，每次模擬都可以得到組合在持有期末的一個可能值，如果進行大量的模擬，那麼組合價值的模擬分布將收斂於組合的真實分布。這樣通過模擬發布會可以導出真實分布，從而求出VAR。
㈧ 怎麼計算VaR值
計算VaR值公式為：P(ΔPΔt≤VaR)=a
以下是計算VaR值的基本流程：
第一，計算樣本報酬率。取得樣本每日收盤價，並計算其報酬率，公式如下：
其中R為報酬率、P為收盤價、t為時間。
第二，計算樣本平均數及標准差：樣本平均數和標准差分別有以下公式計算：
第三，檢測樣本平均數是否為零。由於樣本數通常大於30，所以採用統計數Z來檢測。
第四、計算VaR值。
VaR=μ－Zaσ
其中α為1－置信水平。
假設最新的指數收盤價為4839，那麼期貨合約總值則為4839×200= 967800，然後，投資者應先選取大約半年的數據（通常都是使用股指每日報酬率），再利用以上四個步驟來推算出其單位風險系數，最後將單位風險系數與合約總值相乘，即可得出指數期貨合約的VaR值。當然若投資者本身所投入的資金愈多，則所需承擔的風險也將愈大。
(8)Var的測量方法擴展閱讀：
2012年已有超過1000家的銀行、保險公司、投資基金、養老金基金及非金融公司採用VaR方法作為金融衍生工具風險管理的手段。利用VaR方法進行風險控制，可以使每個交易員或交易單位都能確切地明了他們在進行有多大風險的金融交易，並可以為每個交易員或交易單位設置VaR限額，以防止過度投機行為的出現。如果執行嚴格的VaR管理，一些金融交易的重大虧損也許就可以完全避免。
但VaR方法也有其局限性。VaR方法衡量的主要是市場風險，如單純依靠VaR方法，就會忽視其他種類的風險如信用風險。另外，從技術角度講。VaR值表明的是一定置信度內的最大損失，但並不能絕對排除高於VaR值的損失發生的可能性。
㈨ VAR方法的VaR模型應用注意問題
盡管VaR模型有其自身的優點，但在具體應用時應注意以下幾方面的問題。
1、數據問題。運用數理統計方法計量分析、利用模型進行分析和預測時要有足夠的歷史數據,如果資料庫整體上不能滿足風險計量的數據要求,則很難得到正確的結論。另外數據的有效性也是一個重要問題,而且由於市場的發展不成熟,使一些數據不具有代表性,而市場炒作、消息面的引導等原因,使數據非正常變化較大, 缺乏可信性。
2、VaR 在其原理和統計估計方法上存在一定缺陷。
VaR對金融資產或投資組合的風險計算方法是依據過去的收益特徵進行統計分析來預測其價格的波動性和相關性, 從而估計可能的最大損失。所以單純依據風險可能造成損失的客觀概率, 只關注風險的統計特徵, 並不是系統的風險管理的全部。因為概率不能反映經濟主體本身對於面臨的風險的意願或態度,它不能決定經濟主體在面臨一定量的風險時願意承受和應該規避的風險的份額。
3、在應用Var模型時隱含了前提假設。
即金融資產組合的未來走勢與過去相似，但金融市場的一些突發事件表明，有時未來的變化與過去沒有太多的聯系，因此VaR方法並不能全面地度量金融資產的市場風險，必須結合敏感性分析，壓力測試等方法進行分析。
4、VaR主要使用於正常市場條件下對市場風險的測量。
如果市場出現極端情況，歷史數據變得稀少，資產價格的關聯性被切斷，或是因為金融市場不夠規范，金融市場的風險來自人為因素、市場外因素的情況下，這時便無法測量此時的市場風險。
總之， VaR是一種一種既能處理非線性問題又能概括證券組合市場風險的工具，它解決了傳統風險定量化工具對於非線性的金融衍生工具適用性差、難以概括證券組合的市場風險的缺點，有利於測量風險、將風險定量化，進而為金融風險管理奠定了良好的基礎。隨著我國利率市場化、資本項目開放以及衍生金融工具的發展等，金融機構所面臨的風險日益復雜，綜合考慮、衡量信用風險和包括利率風險、匯率風險等在內的市場風險的必要性越來越大，這為VaR應用提供了廣闊的發展空間。但是VaR本身仍存在一定的局限性，而且我國金融市場現階段與VaR所要求的有關應用條件也還有一定距離。因此VaR的使用應當與其他風險衡量和管理技術、方法相結合。要認識到風險管理一方面需要科學技術方法，另一方面也需要經驗性和藝術性的管理思想，在風險管理實踐中要將兩者有效結合起來，既重科學，又重經驗，有效發揮VaR在金融風險管理中的作用。
㈩ 數理統計var怎麼計算
用公式表示為：P(ΔPΔt≤VaR)=a
字母含義如下：
P——資產價值損失小於可能損失上限的概率，即英文的
Probability
。
ΔP——某一
金融資產
在一定
持有期
Δt的價值損失額。
VaR——給定
置信水平
a下的
在險價值
，即可能的損失上限。
a——給定的置信水平。
(10)Var的測量方法擴展閱讀：
VaR的計算系數：
要確定一個金融機構或
資產組合
的VAR值或建立VAR的模型，必須首先確定以下三個系數：
一是持有期間的長短。持有期△t，即確定計算在哪一段時間內的持有資產的最大損失值，也就是明確風險管理者關心資產在一天內一周內還是一個月內的
風險價值
。
二是
置信區間
的大小。對置信區間的選擇在一定程度上反映了金融機構對風險的不同偏好。
三是觀察期間。觀察期間是對給定持有期限的回報的波動性和關聯性考察的整體時間長度，是整個數據選取的時間范圍，有時又稱數據窗口(Data
Window)。例如選擇對某資產組合在未來6個月，或是1年的觀察期間內，考察其每周回報率的波動性(風險)
。
參考資料來源：
網路
——
VAR方法
