国外var方法研究现状

A. VAR方法适用范围是什么在什么情景下不适用

VaR技术适用于复杂的投资组合，用来说明投资的杠杆作用和分散的效果。VaR技术的局限性在于，VaR表明的是一定置信度内的最大损失，但并不能绝对排除发生高于这个损失的可能性。
在险价值VaR是指一种用标准统计技术估计金融风险的方法。它是一种可以在正常的市场环境下，给定一定的时间区间和置信度水平，预计某种资产或资产组合最大损失的方法。
实行集权多头式监管体制的国家，对不同金融机构或金融业务的监管，由不同的监管机关来实施，但监管权限集中于中央政府。一般来说，该体制以财政部、中央银行或监管当局为监管主体，日本和法国等国采用这一监管体制。

B. 什么是在险价值(var)

VAR方法(Value at Risk方法，风险价值方法)，也称受险价值方法、在险价值方法 传统的 ALM ( Asset-Liability Management , 资产负债管理 )过于依赖报表分析， 缺乏时效性；利用 方差 及 β系数 来衡量风险太过于抽象，不直观， 而且反映的只是市场（或资产）的波动幅度；而CAPM（ 资本资产 定价模型）又无法揉合金融衍生品种。 在上述传统的几种方法都无法准确定义和度量金融风险时， G30集团在研究衍生品种的基础上，于1993年发表了题为《 衍生产品的实践和规则》的报告，提出了度量 市场风险 的VAR( Value at Risk：风险价值)方法已成为目前金融界测量 市场风险 的主流方 法。稍后由 J.P.Morgan 推出的用于计算 VAR的Risk Metrics风险控制模型更是被众多金融机构广泛采用。 目前国外一些大型金融机构已将其所持资产的VAR风险值作为其定 期公布的 会计报表 的一项重要内容加以列示。

希望采纳

C. VAR模型优缺点和主要作用有哪些

一、VaR模型的优点如下：
1、 VaR模型测量风险简洁明了，统一了风险计量标准，管理者和投资者较容易理解掌握。
风险的测量是建立在概率论与数理统计的基础之上，既具有很强的科学性，又表现出方法操作上的简便性。同时，VaR 改变了在不同金融市场缺乏表示风险统一度量, 使不同术语(例如基点现值、现有头寸等) 有统一比较标准, 使不同行业的人在探讨其市场风险时有共同的语言。
另外，有了统一标准后，金融机构可以定期测算VaR值并予以公布，增强了市场透明度，有助于提高投资者对市场的把握程度，增强投资者的投资信心，稳定金融市场。
2、可以事前计算, 降低市场风险。
不像以往风险管理的方法都是在事后衡量风险大小，不仅能计算单个金融工具的风险, 还能计算由多个金融工具组成的投资组合风险。综合考虑风险与收益因素,选择承担相同的风险能带来最大收益的组合，具有较高的经营业绩。
3、确定必要资本及提供监管依据。
VaR为确定抵御市场风险的必要资本量确定了科学的依据, 使金融机构资本安排建立在精确的风险价值基础上, 也为金融监管机构监控银行的资本充足率提供了科学、统一、公平的标准。VaR 适用于综合衡量包括利率风险、汇率风险、股票风险以及商品价格风险和衍生金融工具风险在内的各种市场风险。因此, 这使得金融机构可以用一个具体的指标数值(VaR) 就可以概括地反映整个金融机构或投资组合的风险状况, 大大方便了金融机构各业务部门对有关风险信息的交流, 也方便了机构最高管理层随时掌握机构的整体风险状况, 因而非常有利于金融机构对风险的统一管理。同时, 监管部门也得以对该金融机构的市场风险资本充足率提出统一要求。

二、VaR的应用主要体现在：
1、，用于风险控制。目前已有超过1000家的银行、保险公司、投资基金、养老金基金及非金融公司采用VaR方法作为金融衍生工具风险管理的手段。利用VaR方法进行风险控制，可以使每个交易员或交易单位都能确切地明了他们在进行有多大风险的金融交易，并可以为每个交易员或交易单位设置VaR限额，以防止过度投机行为的出现。如果执行严格的VaR管理，一些金融交易的重大亏损也许就可以完全避免。
2、用于业绩评估。在金融投资中，高收益总是伴随着高风险，交易员可能不惜冒巨大的风险去追逐巨额利润。公司出于稳健经营的需要，必须对交易员可能的过度投机行为进行限制。所以，有必要引入考虑风险因素的业绩评价指标。
3、估算风险性资本（Risk－based capital）。以VaR来估算投资者面临市场风险时所需的适量资本，风险资本的要求是BIS对于金融监管的基本要求。下图说明适足的风险性资本与 VaR值之间的关系，其中VaR值被视为投资者所面临的最大可接受（可承担）的损失金额，若发生时须以自有资本来支付，防止公司发生无法支付的情况。

温馨提示：以上内容仅供参考。
应答时间：2021-02-02，最新业务变化请以平安银行官网公布为准。
[平安银行我知道]想要知道更多？快来看“平安银行我知道”吧~
https://b.pingan.com.cn/paim/iknow/index.html

D. var模型的var模型

主研：黄适富 杨柱逊 王志 杨苍松
引言
进入90年代，随着国际金融市场的日趋规范、壮大，各金融机构之间的竞争也发生了根本性变化，特别是金融产品的创新，使金融机构从过去的资源探索转变为内部管理与创新方式的竞争，从而导致了各金融机构的经营管理发生了深刻的变化，发达国家的各大银行、证券公司和其他金融机构都在积极参与金融产品（工具）的创新和交易，使金融风险管理问题成为现代金融机构的基础和核心。随着我国加入WTO，国内金融机构在面对即将到来的全球金融一体化的挑战，金融风险管理尤显其重要性。
传统的资产负债管理（Asset-Liability Management）过分依赖于金融机构的报表分析，缺乏时效性，资产定价模型（CAPM）无法揉合新的金融衍生品种，而用方差和β系数来度量风险只反映了市场（或资产）的波动幅度。这些传统方法很难准确定义和度量金融机构存在的金融风险。1993年，G30集团在研究衍生品种基础上发表了《衍生产品的实践和规则》的报告，提出了度量市场风险的VaR（ Value-at-Risk ）模型(“风险估价”模型)，稍后由JP.Morgan推出了计算VaR的RiskMetrics风险控制模型。在些基础上，又推出了计算VaR的CreditMetricsTM风险控制模型，前者用来衡量市场风险；JP.Morgan公开的CreditmetricsTM技术已成功地将标准VaR模型应用范围扩大到了信用风险的评估上，发展为“信用风险估价”（Credit Value at Risk）模型，当然计算信用风险评估的模型要比市场风险估值模型更为复杂。目前，基于VaR度量金融风险已成为国外大多数金融机构广泛采用的衡量金融风险大小的方法。
VaR模型提供了衡量市场风险和信用风险的大小，不仅有利于金融机构进行风险管理，而且有助于监管部门有效监管。
⒈1995年巴塞尔委员会同意具备条件的银行可采用内部模型为基础，计算市场风险的资本金需求，并规定将银行利用得到批准和认可的内部模型计算出来的VaR值乘以3，可得到适应市场风险要求的资本数额的大小。这主要是考虑到标准VaR方法难以捕捉到极端市场运动情形下风险损失的可能性，乘以3的做法是提供了一个必要的资本缓冲。
⒉Group of Thirty 1993年建议以风险资本（Capital—at—risk）即风险价值法（VaR）作为合适的风险衡量手段，特别是用来衡量场外衍生工具的市场风险。
⒊1995年，SEC也发布建议，要求美国公司采用VaR模型作为三种可行的披露其衍生交易活动信息的方法之一。
这些机构的动向使得VaR模型在金融机构进行风险管理和监督的作用日益突出。
国际金融风险管理的发展
从国际金融风险管理发展历程来看，近20年来，大致经历了以下几个阶段：
(一)80年代初因受债务危机影响。银行普遍开始注重对信用风险的防范与管理，其结果是《巴塞尔协议》的诞生。该协议通过对不同类型资产规定不同权数来量化风险，是对银行风险比较笼统的一种分析方法。
(二)90年代以后随着衍生金融工具及交易的迅猛增长，市场风险日益突出，几起震惊世界银行和金融机构危机大案(如巴林银行、大和银行等事件)促使人们对市场风险的关注。一些主要国际大银行开始建立自己的内部风险测量与资本配置模型，以弥补《巴塞尔协议》的不足。主要进展包括：市场风险测量新方法—Value At Risk(VaR)(风险价值方法)。这一方法最主要代表是摩根银行的“风险矩阵)系统”；银行业绩衡量与资本配置方法——信孚银行的“风险调整的资本收益率(Risk AdjustedReturnon Capital，简称RAROC)”系统。
(三)最近几年一些大银行认识到信用风险仍然是关键的金融风险，并开始关注信用风险测量方面的问题，试图建立测量信用风险的内部方法与模型。其中以J.P.摩根的Credit Metrics和Credit Suisse Financial Procts(CSFP)的Credit Risk+两套信用风险管理系统最为引入注目。
1997年亚洲金融危机爆发以来，世界金融业风险(如1998年美国长期资本管理公司损失的事件)出现了新特点，即损失不再是由单一风险所造成，而是由信用风险和市场风险等联合造成。金融危机促使人们更加重视市场风险与信用风险的综合模型以及操作风险的量化问题，由此全面风险管理模式引起人们的重视。
经过多年努力，风险管理技术已达到可以主动控制风险的水平。目前有关研究侧重于对已有技术的完整和补充，以及将风险计值法推广到市场风险以外(包括信用风险、结算风险、操作风险)等其他风险领域的尝试。
从金融风险定量管理技术来看，国际金融组织和金融机构先后发展了如下新技术
（1）新资本协议
1999年6月3日，巴塞尔银行委员会发布关于修改1988年《巴塞尔协议》的征求意见稿，该协议对银行风险管理新方法给予充分的关注，具体表现在：对银行进行信用风险管理提供更为现实的选择，方法有三种：①对现有方法进行修改，将其作为大多数银行计算资本的标准方法，在这种情况下，外部信用评估(指标准普尔和穆迪公司等的评级)可用来细致区分某些信用风险。②对于复杂程度较高的银行，巴塞尔银行委员会认为可将其内部评级作为确定资本标准的基础，并且对于某些高风险的资产，允许采用高于100%的权重。③新协议明确指出：“一些利用内部评级的、复杂程度更高的银行还建立了以评级结果(以及其它因素)为基础的信用风险模型。这种模型旨在涵盖整个资产组合的风险这一特点，在仅仅依靠外部信用评级或内部信用评级中是不存在的。但是由于一系列困难的存在，包括数据的可获得性以及模型的有效性，很显然信用风险模型目前还不能在最低资本的制定中发挥明显作用。”委员会希望在经过进一步的研究和实验后，使用信用风险模型将成为可能，并将汁划关注这方面的进展。这说明，巴塞尔银行委员会在一定程度上肯定了目前摩根等国际大银行使用的计量信用风险模型。
对市场风险管理方面进展给予肯定，并突出了利率风险和操作风险的管理。此外还肯定了一些新的金融创新工具。如新协议就资产证券化问题提出了新风险权重计量方案，对某几种短期承诺采用20%的信用风险转换权数。并明确指出：“降低信用风险的技术如信用衍生产品的近期发展使银行风险管理的水平大幅度提高。”
（2）、风险价值法(VaR)
在风险管理的各种方法中，VaR方法最为引人瞩目。尤其是在过去的几年里，许多银行和法规制定者开始把这种方法当作全行业衡量风险的一种标准来看待。VaR之所以具有吸引力是因为它把银行的全部资产组合风险概括为一个简单的数字，并以美元计量单位来表示风险管理的核心——潜在亏损。VaR实际上是要回答在概率给定情况下，银行投资组合价值在下一阶段最多可能损失多少。
VaR特点①可以用来简单明了表示市场风险的大小，单位是美元或其他货币，没有任何技术色彩，没有任何专业背景的投资者和管理者都可以通过VaR值对金融风险进行评判；②可以事前计算风险，不像以往风险管理的方法都是在事后衡量风险大小；③不仅能计算单个金融工具的风险。还能计算由多个金融工具组成的投资组合风险，这是传统金融风险管理所不能做到的。
VaR主要应用①用于风险控制。目前已有超过1000家的银行、保险公司、投资基金、养老金基金及非金融公司采用VaR方法作为金融衍生工具风险管理的手段。利用VaR方法进行风险控制，可以使每个交易员或交易单位都能确切地明了他们在进行有多大风险的金融交易，并可以为每个交易员或交易单位设置VaR限额，以防止过度投机行为的出现。如果执行严格的VaR管理，一些金融交易的重大亏损也许就可以完全避免。②用于业绩评估。在金融投资中，高收益总是伴随着高风险，交易员可能不惜冒巨大的风险去追逐巨额利润。公司出于稳健经营的需要，必须对交易员可能的过度投机行为进行限制。所以，有必要引入考虑风险因素的业绩评价指标。
但VAR方法也有其局限性。VaR方法衡量的主要是市场风险，如单纯依靠VaR方法，就会忽视其他种类的风险如信用风险。另外，从技术角度讲。VaR值表明的是一定置信度内的最大损失，但并不能绝对排除高于VaR值的损失发生的可能性。例如假设一天的99%置信度下的VaR=$1000万，仍会有1%的可能性会使损失超过1000万美元。这种情况一旦发生，给经营单位带来的后果就是灾难性的。所以在金融风险管理中，VaR方法并不能涵盖一切，仍需综合使用各种其他的定性、定量分析方法。亚洲金融危机还提醒风险管理者：风险价值法并不能预测到投资组合的确切损失程度，也无法捕捉到市场风险与信用风险间的相互关系。
（3）风险调整的资本收益法
风险调整的资本收益是收益与潜在亏损或VaR值的比值。使用这种方法的银行在对其资金使用进行决策的时候，不是以盈利的绝对水平作为评判基础，而是以该资金投资风险基础上的盈利贴现值作为依据。
每家银行都清楚风险与收益的关系。在进行一项投资时，风险越大，其预期的收益或亏损也越大，投资如果产生亏损，将会使银行资本受侵蚀，最严重的情况可能导致银行倒闭。虽然银行对投资亏损而导致的资本侵蚀十分敏感，但银行必须认识到，承担这些风险是为了盈利，问题的关键在于，银行应在风险与收益之间寻找一个恰当的平衡点，这也是RAROC的宗旨所在。决定RAROC的关键是潜在亏损即风险值的大小，该风险值或潜在亏损越大，投资报酬贴现就越多。
RAROC可用于业绩评估，如果交易员从事高风险的投资项目，那么即使利润再高，由于VaR值较高，RAROC值也不会很高，其业绩评价也就不会很高。实际上近几年出现的巴林银行倒闭、大和银行亏损和百富勤倒闭等事件中，都是由于对某一个人业绩评价不合理所致，即只考虑到某人的盈利水平，没有考虑到他在获得盈利的同时承担的风险对其进一步重用的结果。RAROC方法用于业绩评估，可以较真实地反映交易人员的经营业绩，并对其过度投机行为进行限制，有助于避免大额亏损现象的发生。
（4）、信贷矩阵(Credit Metrics)
1997年4月初，美国J．P摩根财团与其他几个国际银行——德意志摩根建富、美国银行、瑞士银行、瑞士联合银行和BZW共同研究，推出了世界上第一个评估银行信贷风险的证券组合模型(Credit Metrics)。该模型以信用评级为基础，计算某项贷款或某组贷款违约的概率，然后计算上述贷款同时转变为坏账的概率。该模型通过VaR数值的计算力图反映出：银行某个或整个信贷组合一旦面临信用级别变化或拖欠风险时所应准备的资本金数值。该模型覆盖了几乎所有的信贷产品，包括传统的商业贷款；信用证和承付书；固定收入证券；商业合同如贸易信贷和应收账款；以及由市场驱动的信贷产品如掉期合同、期货合同和其他衍生产品等。具体计算步骤是首先对信贷组合中的每个产品确定敞口分布；其次，计算出每项产品的价值变动率(由信用等级上升、下降或拖欠引起)；再次将单项信贷产品的变动率汇总得出一个信贷组合的变动率值(加总时应考虑各产品之间的相互关系)。由此可见，在假定各类资产相互独立的情况下，每类资产信用风险组合的风险值等于该类资产的敞口分布与其信用等级变动或拖欠的变动率。即等于信用等级变动或拖欠变动率x贷款额。
（5）最近，美国华盛顿国际金融研究所针对当前的主要信用风险模型以及资产组合模型进行了分析测试，旨在找出衡量信用风险的最好方法，为计量信用风险确定一种比较规范的模型，并用于确定资本金的分配，从而为国际银行业的发展及其风险监管创造条件，并计划与巴塞尔银行委员会合作进行这方面的工作。
VaR风险控制模型
一.VaR模型基本思想
VaR按字面的解释就是“处于风险状态的价值”，即在一定置信水平和一定持有期内，某一金融工具或其组合在未来资产价格波动下所面临的最大损失额。JP.Morgan定义为：VaR是在既定头寸被冲销（be neutraliged）或重估前可能发生的市场价值最大损失的估计值；而Jorion则把VaR定义为：“给定置信区间的一个持有期内的最坏的预期损失”。
二.VaR基本模型
根据Jorion（1996），VaR可定义为：
VaR=E（ω）-ω* ①
式中E（ω）为资产组合的预期价值；ω为资产组合的期末价值；ω*为置信水平α下投资组合的最低期末价值。
又设ω=ω0（1+R） ②
式中ω0为持有期初资产组合价值，R为设定持有期内（通常一年）资产组合的收益率。
ω*=ω0（1+R*） ③
R*为资产组合在置信水平α下的最低收益率。
根据数学期望值的基本性质，将②、③式代入①式，有
VaR=E[ω0（1+R）]-ω0（1+R*）
=Eω0+Eω0（R）-ω0-ω0R*
=ω0+ω0E（R）-ω0-ω0R*
=ω0E（R）-ω0R*
=ω0[E（R）-R*]
∴VaR=ω0[E（R）-R*] ④
上式公式中④即为该资产组合的VaR值，根据公式④，如果能求出置信水平α下的R*，即可求出该资产组合的VaR值。
三.VaR模型的假设条件
VaR模型通常假设如下：
⒈市场有效性假设；
⒉市场波动是随机的，不存在自相关。
一般来说，利用数学模型定量分析社会经济现象，都必须遵循其假设条件，特别是对于我国金融业来说，由于市场尚需规范，政府干预行为较为严重，不能完全满足强有效性和市场波动的随机性，在利用VaR模型时，只能近似地正态处理。
VaR模型计算方法
从前面①、④两式可看出，计算VAR相当于计算E（ω）和ω*或者E（R）和R*的数值。从目前来看，主要采用三种方法计算VaR值。
⒈历史模拟法（historical simulation method）
⒉方差—协方差法
⒊蒙特卡罗模拟法（Monte Carlosimulation）
一．历史模拟法
“历史模拟法”是借助于计算过去一段时间内的资产组合风险收益的频度分布，通过找到历史上一段时间内的平均收益，以及在既定置信水平α下的最低收益率，计算资产组合的VaR值。
“历史模拟法”假定收益随时间独立同分布，以收益的历史数据样本的直方图作为对收益真实分布的估计，分布形式完全由数据决定，不会丢失和扭曲信息，然后用历史数据样本直方图的P—分位数据作为对收益分布的P—分位数—波动的估计。
一般地，在频度分布图中（图1，见例1）横轴衡量某机构某日收入的大小，纵轴衡量一年内出现相应收入组的天数，以此反映该机构过去一年内资产组合收益的频度分布。
首先，计算平均每日收入E（ω）
其次，确定ω*的大小，相当于图中左端每日收入为负数的区间内，给定置信水平 α，寻找和确定相应最低的每日收益值。
设置信水平为α，由于观测日为T，则意味差在图的左端让出
t=T×α，即可得到α概率水平下的最低值ω*。由此可得：
VaR=E（ω）-ω*
二.方差—协方差法
“方差—协方差”法同样是运用历史资料，计算资产组合的VaR值。其基本思路为：
首先，利用历史数据计算资产组合的收益的方差、标准差、协方差；
其次，假定资产组合收益是正态分布，可求出在一定置信水平下，反映了分布偏离均值程度的临界值；
第三，建立与风险损失的联系，推导VaR值。
设某一资产组合在单位时间内的均值为μ，数准差为σ，R*～μ（μ、σ），又设α为置信水平α下的临界值，根据正态分布的性质，在α概率水平下，可能发生的偏离均值的最大距离为μ-ασ，
即R*=μ-ασ。
∵E（R）=μ
根据VaR=ω0[E（R）-R*] 有
VaR=ω0[μ-（μ-ασ）]=ω0ασ
假设持有期为 △t，则均值和数准差分别为μ△t和 ，这时上式则变为：
VaR=ω0·α·
因此，我们只要能计算出某种组合的标准差σ，则可求出其VaR的值，一般情况下，某种组合的数准差σ可通过如下公式来计算
其中，n为资产组合的金融工具种类，Pi为第i种金融工具的市场价值，σi第i种金融工具的标准差，σij为金融工具i、j的相关系数。
除了历史模拟法和方差—协方差外，对于计算资产组合的VaR的方法还有更为复杂的“蒙特卡罗模拟法”。它是基于历史数据和既定分布假定的参数特征，借助随机产生的方法模拟出大量的资产组合收益的数值，再计算VaR值。
根据古德哈特等人研究，计算VaR值三种方法的基本步骤及特征如下表。
.
风险估价技术比较
分类
步骤HSMVaR—Cov Monte—Carlo
⒈确认头寸 找到受市场风险影响的各种金融工具的全部头寸
⒉确认风险因素 确认影响资产组合中金融工具的各种风险因素
⒊获得持有期内风险因素的收益分布 计算过去年份里的历史上的频度分布 计算过去年份里风险因素的标准差和相关系数 假定特定的参数分布或从历史资料中按自助法随机产生
⒋将风险因素的收益与金融工具头寸相联系 将头寸的盯住市场价值（mark to market value）表示为风险因素的函数 按照风险因素分解头寸（risk mapping） 将头寸的盯住市场价值（mark to market value）表示为风险因素的函数
⒌计算资产组合的可变性 利用从步骤3和步骤4得到的结果模拟资产组合收益的频度分布 假定风险因素是呈正态分布，计算资产组合的标准差 利用从步骤3和步骤4得到的结果模拟资产组合收益的频度分布
⒍给定置信区间推导VAR
排列资产组合顺序，选择刚好在1%或5%概率下刚≥1的那一损失
用2.33（1%）或1.65（5%）乘以资产组合标准差 排列资产组合顺序，选择刚好在1%或5%概率下刚≥1的那一损失
VaR模型在金融风险管理中的应用
VaR模型在金融风险管理中的应用越来越广泛，特别是随着VaR模型的不断改进，不但应用于金融机构的市场风险、使用风险的定量研究，而且VaR模型正与线性规划模型（LPM）和非线性规划模型（ULPM）等规划模型论，有机地结合起来，确定金融机构市场风险等的最佳定量分析法，以利于金融机构对于潜在风险控制进行最优决策。
对于VaR在国外的应用，正如文中引言指出，巴塞尔委员会要求有条件的银行将VaR值结合银行内部模型，计算适应市场风险要求的资本数额；G20建议用VaR来衡量衍生工具的市场风险，并且认为是市场风险测量和控制的最佳方法；SEC也要求美国公司采用VaR模型作为三种可行的披露其衍生交易活动信息的方法之一。这表明不但金融机构内部越来越多地采用VaR作为评判金融机构本身的金融风险，同时，越来越多的督管机构也用VaR方法作为评判金融机构风险大小的方法。
我国对VaR模型的引介始于近年，具有较多的研究成果，但VaR模型的应用现在确处于起步阶段，各金融机构已经充分认识到VaR的优点，正在研究适合于自身经营特点的VaR模型。

E. 证券投资分析教材解读：风险管理VaR方法

一、VaR方法的历史演变

通常，人们将风险定义为未来净收益的不确定性。

名义值法，即如果起初投资的成本为W，便认为投资风险为W，其可能会全部损失。

敏感性方法，是测量市场因子每一个单位的不利变化可能引起投资组合的损失。

波动性方法，是收益标准差作为风险度量。

粗略来说，VaR就是使用合理的金融理论和数理统计理论，定量地对给定的资产所面临的市场风险给出全面的度量。VaR模型来自于两种金融理论的融合：一是资产定价和资产敏感性分析方法;二是对风险因素的统计分析。

VaR是描述市场在正常情况下可能出现的最大损失，但市场有时会出现令人意想不到的突发事件，这些事件会导致投资资产出现巨大损失，而这种损失是VaR很难测量到的。因此，人们提出压力测试或情景分析方法，以测试极端市场情景下投资资产的最大潜在损失。

二、VaR计算的基本原理及计算方法

(一)VaR计算的基本原理

VaR的字面解释是指“处于风险中的价值(Value atRisk)”，一般被称为“风险价值”或“在险价值”，其含义是指在市场正常波动下，某一金融资产或证券组合的最大可能损失。

确切地说，VaR描述了“在某一特定的时期内，在给定的置信度下，某一金融资产或其组合可能遭受的最大潜在损失值”或者说“在一个给定时期内，某一金融资产或其组合价值的下跌以一定的概率不会超过的水平是多少。”

定义中包含了两个基本因素：“未来一定时期”和“给定的置信度”。前者可以是1天、2天、1周或1月等等，后者是概率条件。例如：“时间为1天，置信水平为95%，所持股票组合的VaR=10000元。”其涵义就是：“明天该股票组合可有95%的把握保证，其最大损失不会超过10000元。”或者是“明天该股票组合最大损失超过10000元只有5%的可能。”

VaR方法的最大优点就是提供了一个统一的方法来测量风险，把风险管理中所涉及的主要方面——投资组合价值的潜在损失用货币单位来表达，简单直观地描述了投资者在未来某一给定时期内所面临的市场风险。使得不同类型资产的风险之间具有可比性，逐渐成为联系整个企业或机构的各个层次的风险分析、度量方法。另外，VaR方法可以用于多种不同的金融产品，并能对不同的金融产品和不同的资产类型的风险进行度量和累积，因而它能够用来对整个企业和跨行业的各种风险进行全面的量化。

(二)VaR的主要计算方法

从最基本的层次上可以归纳为两种：局部估值法和完全估值法。

德尔塔一正态分布法就是典型的局部估值法;历史模拟法和蒙特卡罗模拟法是典型的完全估值法。

1.德尔塔一正态分布法

优点：简化了计算量。但是由于其具有很强的假设，无法处理实际数据中的厚尾现象，具有局部测量性等不足。

2.历史模拟法

历史模拟法的概念直观、计算简单，无需进行分布假设，可以有效地处理非对称和厚尾等问题，而且历史模拟法可以较好地处理非线性、市场大幅波动等情况，可以捕捉各种风险。历史模拟法的缺点也是显而易见的`。它假定市场因子的未来变化与历史完全一样，这与实际金融市场的变化是不一致的。其次，历史模拟法需要大量的历史数据。第三，历史模拟法的计算量非常大，对计算能力要求比较高。

3.蒙特卡罗模拟法

蒙特卡罗模拟法不同之处在于市场价格的变化不是来自历史观察值，而是通过随机数模拟得到。

其基本思路是假设资产价格的变动依附在服从某种随机过程的形态，利用电脑模拟，在目标时间范围内产生随机价格的途径，并依次构建资产报酬分布，在此基础上求出VaR。

蒙特卡罗模拟法的主要优、缺点：

(1)优点：可涵盖非线性资产头寸的价格风险、波动性风险，甚至可以计算信用风险;可处理时间变异的变量、厚尾、不对称等非正态分布和极端状况等特殊情景。

(2)缺点：需要繁杂的电脑技术和大量的复杂抽样，既昂贵且费时;对于代表价格变动的随机模型，若是选择不当，会导致模型风险的产生;模拟所需的样本数必须要足够大，才能使估计出的分布得以与真实的分布接近。

三、VaR的应用

VaR的全面性、简明性、实用性决定了其在金融风险管理中有着广泛的应用基础，主要表现在风险管理与控制、资产配置与投资决策、业绩评价和风险监管等方面。

(一)风险管理与控制

1.风险管理与控制的核心之一是风险的计量、风险限额的确定与分配、风险监控。传统的风险限额管理主要是头寸规模控制。其缺陷：不能在各业务部门之间进行比较;没有包含杠杆效应;没有考虑不同业务部门之问的分散化效应。

2.鉴于传统风险管理存在的缺陷，现代风险管理强调采用以VaR为核心，辅之敏感性和压力测试等形成不同类型的风险限额组合。

(二)基于VaR的资产配置与投资决策

VaR与方差直接相关，其作为风险限额指标实质上对方差附加了一种限制。

(三)基于VaR的业绩评估

通常采用的业绩评价指标为“经风险调整后的资本收益”。

(四)风险监管

四、使用VaR需注意的问题

在使用过程中应当关注到以下几个方面的问题：

1.VaR没有给出最坏情景下的损失。VaR只是度量了市场处于正常变动下的市场风险，而对于金融市场的极端价格变动，如市场突然的“崩盘”等，VaR是无法处理的。理论上说，这些根源的缺陷不在于VaR本身，而在于其依赖的统计方法。

2.VaR的度量结果存在误差。

3.头寸变化造成风险失真。VaR假设头寸固定不变，因此在对一天至数天的期限做出调整时，要用到时间数据的平方根。但是，这一调整忽略了交易头寸在期间内随市场变化的可能性，导致实际风险与计量风险出现较大差异。

F. VaR在风险管理中的应用，如何做个实证分析

杆、相关性和当前头寸的组合风险的整体观点，被称为是一种具有前瞻性的风险衡量方法，已发展成为现代金融风险管理的国际标准和理论基础。基于VaR的商业银行风险管理研究文献，目前，主要体现在商业银行监管、商业银行资本管理和商业银行信用风险与操作风险管理三个方面，旨在尽可能地寻求利用市场工具和市场激励的方法，通过银行的政策、行为和技术提高银行的风险管理水平。

VaR；银行风险管理；文献述评

VaR的真正发展得益于世界各着名金融机构对市场风险管理的重视。许多着名金融机构，如JP．Morgan，Bankers Trust，Chemical Bank，Chase Man-hattan等，都投入了大量经费开发新的市场风险管理工具，旨在准确辨识和测量市场风险的基础上，开发出一种既能处理非线性的期权，又可提供总体风险的市场风险测量方法，VaR就是基于这一背景开发出来的。它在20世纪80年代首次被一些金融公司用于测量交易性证券的市场风险，获得了广泛应用。根据Jorion(2001)的概念：VaR(Value atRisk，常译为在险价值或风险价值)是指在正常的市场环境下，在一定的置信水平和持有期内，衡量某个特定的头寸或组合所面临的最大可能损失。与传统的风险衡量方法相比，VaR提供了一种考虑杠杆、相关性和当前头寸的组合风险的整体观点，被称为是一种具有前瞻性的风险衡量方法。风险的数量化量度发展从灵敏度到波动性，再到下侧量度，经历了从简单逐步走向准确的过程。VaR属于下侧量度，已经证明风险的下侧量度是对灵敏度与具有不确定性不利结局的波动性的整合。VaR作为一个很好的风险管理工具正式在2004年的新巴塞尔协议中获得应用推广，已成为现代金融风险管理的国际标准和理论基础。

一、VaR与商业银行监管研究

新巴塞尔协议所提倡的内部模型法(VaR模型法)反映了监管当局提倡在尽可能的地方寻求利用市场工具和市场激励的方法，通过银行的政策、行为和技术提高银行的监管水平。几次世界性的金融危机以来，关于银行风险行为的问题一直是一个焦点。如何通过不同的监管资本要求影响银行的风险承担行为，帮助银行获得更精确的风险测量和合适的风险激励，一直是监管当局和银行业共同努力的方向。巴塞尔协议集中反映了金融监管的各种理论与实践成果。除此之外，关于银行风险行为的监管文献也很多，主要分为三大类。
第一类是集中反映在巴塞尔系列文件中的相关研究成果。1988年，Basel资本协议对风险调整的银行资产强加了统一资本要求，总的风险量等于各风险资产乘以相应的风险权重，这时的风险权重主要旨在反映具体资产的信贷风险。在资本要求的计量方面，1988年的资本协议遗漏了许多重要的问题。短期的账户余额和政府持有的证券没有包括投资组合的识别问题，表外项目中轧差协议的敞口计算问题未曾涉及等。由于该协议只考虑了信用风险的资本要求，而没有考虑市场风险的资本要求，随着市场交易风险在银行投资组合中的相对重要性增加，迫使监管者重新考虑1988年的巴塞尔协议的资本要求体系。因此，巴塞尔委员会于1996年1月公布了一个旨在包括市场风险资本要求的协议修正案，以修改1988年的资本协议。1998年1月1日正式实施了建议的最终版本(下面统称为“1996年修正案”)。该修正案包括了覆盖由于市场价格变动引起市场风险的最小补充资本储备要求(BIS，1996a)。同时，提供了两种计量方法供银行选择：一是在满足监管和审计要求的前提下，采用以VaR为基础的内部模型法(IMA)；二是采用巴塞尔委员会建议的标准法(Building Block Method)。具体思路是：先分别计算每个风险模块的资本要求，然后通过简单加总来计算整体的资本要求。IMA确定了基于银行内部风险测度的结果计算银行资本要求的方法。为了确保IMA计算出来的资本要求是充足的，巴塞尔委员会制订了内部模型建立的标准。如风险价值必须每日计算；至少用12个月的数据计算持有期为10天的损失分布，并且计算出充足的资本要求以覆盖99％的损失事件。在一个确定的时间范围内，最小的资本要求等于包括整个巿场风险和信用风险(或特殊风险)的总的资本要求，这里市场风险要求等于在最近60个交易日内平均每两周的VaR报告的一个倍数(≥3)，信用风险资本要求等于风险调整资产的8％。随着信息技术的快速发展，银行的经营规模和业务范围急剧扩大，银行的营运风险呈上升趋势，由于内部控制失效而造成严重损失乃至机构倒闭的事件频繁发生一在1999年6月披露的新资本协议的建议改革案中，巴塞尔委员会将操作风险列为继市场风险、信用风险之后的第三大风险，并建议用总收入作为银行计量操作性风险的基础指标，总收入乘上一个比例指标α(≤12％，BIS，2001)，所得即为操作性风险的资本要求。为了检查IMA的精度和顺利实施，巴塞尔委员会建议开展后验测试(Backtesting)，将内部模型的风险测量结果和真实的交易结果进行比较。为了提高模型的精度，主张银行去发展利用每天损失的分布进行后验测试的能力。Kupiec(1995)认为由于银行资产波动性的不可观测，对于监管者的主要问题是无法排除错误的VaR报告和投资组合同报的非正态分布(如肥尾等)，主张后验测试必须要求有许多观测变量(≥250个交易日)。巴塞尔委员会建议对于不能满足后验测试精度标准的银行将遭到附加的资本要求，后验测试和一些惩罚措施本质上是为了提高银行增强模型精度所采取的激励措施。Basak & Shapiro(2001)发现在VaR约束下，资产管理者只能部分地确保它们投资组合的损失，尤其在坏的资产状态下根本无法保障。在它们的模型中，VaR约束必须满足一定的期限T，允许银行管理者可以持续地重新调整它们的投资组合。为了得到瞬时的投资组合风险，监管当局对交易活跃资产的VaR后验测试期设置为一天(Bsael银行监管委员会，1996b)。但以上文献没有考虑银行监管机制对银行风险策略选择的互动影响。
第二类是银行在连续时间框架内银行监管的问题。Merton(1977，1978)应用Black Scholes(1973)的期权定价模型获得了固定期限存款的保险费价格，提出了监管者随机审查的方法，并且实现了在银行资产连续波动的假设下，合理存款保险价格的确定。Pennachi(1987)根据金融杠杆率定义风险，考察了银行风险承担的激励，提出了防止银行破产以避免存款人遭受损失的监管重要性。Keeley(1990)、Thomson(1990)、
Kaufman(1996)从不同层面对市场纪律改善银行监管效率进行了分析和实证研究，一致的结论是：充分应用市场方法能够准确及时地反映银行机构的条件和环境，从而可以显着增强投资者和存款人对银行的监督，有效约束存款机构向政府转嫁风险的激励，改善金融监管的水平和效率。Rochet(1992)证明了有限的银行负债产生一个激励，它使风险厌恶的银行(银行投资组合管理者尽力实现预期效用最大化)追求一个高风险的投资策略，建议最小化资本要求以克服这种风险承担行为。Fries etal(1997)在平衡社会破产费用和未来审查费用之间分析了最优的银行破产边界，发现了银行管理者承担风险的激励原因，通过对股东价值函数的线性化，获得了消除银行风险承担激励的奖励政策和权益支持计划，这里风险被定义为潜在状态变量的波动性而非杠杆率。Bhattacharya etal(2002)提出了消除银行风险承担激励的最优破产边界及其在这一边界内银行所需的资本量。该文献的模型假设潜在状态变量的波动性是连续的，银行风险承担的激励的存在只是通过股东价值函数的凸性(如有清偿力的银行价值函数是凸性的，因为大多数银行的资产价值满足最小资本要求)来减少，很少涉及银行风险转换的过程。
第三类是关于金融部门在一个连续时间内的风险转换。Ericsson(1997)&Leland(1998)提出了银行股东从一种风险水平向另一种风险水平转换的模型旨在通过资产替换的费用支出，对企业股票定价，并且获得最佳的资本结构。然而，这里较少虑及存款保险的因素。由于存款保险机制，使得银行负债能被无风险利率支持。因此，存款保险者和银行股东之间存在一个利益冲突。为减少存款保险制度的费用支出，银行必须满足通过审查机制强加的监管约束。

二、VaR与商业银行资本管理研究

资本和风险资产在银行内部更加合理准确地配置已成为现代商业银行风险管理的一个核心内容关于VaR与银行资本管理研究的文献主要分为三类。
第一类文献是基于静态视角的银行资本优化管理研究。在静态均方差的分析框架下，Kahane(1997)、Roehn、Santometro(1980)提出了一个非常严格的资本要求以引导银行用更低的风险资产取代更高的风险资产，但因此可能会增加投资组合的交易风险和违约风险。Kim & Santomero(1988)建立了在风险权重资产的基础上确定资本要求，除非风险权重对资产的β是按比例的，否则资本要求将导致银行承担更多的风险。Fudong & Keeley(1990)认为，在存款保险和有限负债的条件下，均方差框架分析资本要求的效果是不合时宜的，因为有限的负债导致有限的资产回报分布，特别是考虑到金融机构的价值最大化，并且表现出更严格的杠杆限制明显减少了最佳的风险承担。这个主要原因是金融机构在资本要求范围内资产组合选择最大的风险承担旨在存款保险价值的最大化。Gennotte&Pyle(1991)拓展了他们的分析结果，认为可以允许非零现值的投资组合，并表明在更严格的资本要求条件下会导致金融机构增加资产风险。对于静态集合，Chan、Greeballm & Thakor(1992)，Giammarino、Lewis&Sappington(1993)在提供存款保险的情况下研究了一个如何引导金融机构向监管部门如实反映其真实风险的机制设计。Hovakimian&Kane(1994)将Merton的单期存款保险期权模型扩展为无限展期的股东收益模型，并据此对美国1985年到1994年的商业银行风险转嫁和资本监管有效性进行了实证分析，证明商业银行的资本监管并未有效地阻止银行业的风险转嫁问题，而且由于转嫁风险给银行带来大量的政府补贴，产生了风险转嫁的激励。Patri－cia Jackson，David J．Maude&William Perraudin(1998)基于VaR在银行资本管理中的应用展开了实证研究。Hellmann等人(2000)建立了资本监管的比较静态博弈模型，证明在金融自由化和充分竞争的市场环境下，如果不对存款利率实行必要的限制，银行选择投机资产的行为将不可避免，资本充足性监管将无法实现pareto效率。Flannery(1998)和Maclachlan(2001)认为，资本充足性监管为核心的监管模式存在较大缺陷，要提高资本监管的有效性，还必须配合相应的监管制度安排和市场约束机制。芬兰银行研究局(2001)结合新巴塞尔协议，分析了基于VaR方法的银行资本缓释。Philippe Jorion(2002)研究了如何利用VaR值分析银行的投资组合风险。Jerrmy Berkowitz&Jarmes O'Brien(2003)研究了如何提高VaR模型在商业银行应用中的精度。以上关于静态条件下银行最优资本要求的研究存在两大不足，一是没有考虑银行的交易费用；二是没有考虑银行经营策略和风险偏好对银行资本管理的影响。
第二类文献是关于动态条件下银行资本优化模型的研究。Blum(1999)在动态均方差的分析框架下，用一个两期模型证明在动态投资组合中，更加严格的资本要求会导致投资组合风险的增加。Ju andPearson(1999)验证了当罚金与例外联系时，1996年修正案能够激励金融机构揭示它们真实的VaR风险。Sentanon & Vorst(2001)、Basak&Shapiro(2001)认为，交易者的投资选择要受到交易组合VaR的外在限制，但没有考虑到金融机构的资本要求约束。Cuo、He and Issaenko(2001)认为，交易组合的价值函数是有限变化的，认为监管者能够完全而连续地观察到金融机构的VaR，并且在任何时点上的最小资本要求简单地等同于同时期VaR的一个固定乘数(对例外没有罚金)，由于资本要求不是外生的，而是机构最佳的报告策略的内生结果，因此，可以用二元鞅和参数二次规划求解。DomenicoCuoco & Hong liu(2004)基于VaR，分析认为利用IMA方法确定资本要求在控制投资组合风险和真实风险揭示方面都是非常有效的，Cuoco等人的分析代表了基于VaR银行资本优化模型研究的最新成果，具有相当的前瞻性。但他们的成果中没有考虑银行操作风险的资本要求，没有进一步就在报告期末如果出现例外，违约仍然有可能发生并且银行的资本对于覆盖相应的罚金是不充足的情形展开研究。
第三类文献是基于VaR的银行风险资本配置与绩效评估研究。将VaR拓展到风险资本(CaR)和风险调整的绩效测量(RAROC)。Matten(1996)详细介绍了计算RAROC的各种方法；Zaik等人(1996)解释了美洲银行将各营业部门的RAROC与银行股

东的比率进行比较的动因是因为这个比率是股东要求的最小收益率；Zagst and Kehrbaum(1998)用数值方法研究了CaR约束下的投资组合优化问题；Stroughton & Zechner(1999)讨论了RAROC与股东价值SVA的关系；Grouhy等人(1999)对项目价值方法进行了详细比较，发现在一定条件下，RAROC与银行的权益资本成本相等，这些比较也对RAROC存在的部门进行了说明。此后，许多关于这一主题的文献一般讨论RAROC的应用实例居多。从整体上来说，CaR和RAROC在理论上是随着VaR的发展而发展的。目前，关于CaR和RAROC的研究主要侧重于应用领域，在发达国家，关于它们的应用研究已相当成熟，在我国由于会计制度的差异和银行风险管理技术的滞后，尚处于讨论和实验层面。

三、VaR与商业银行信用风险和操作风险管理研究

VaR方法的应用已由最初集中在定量市场风险正逐步扩展到信用风险的度量与管理领域(Baselcommittee on Banking supervision，2001)。目前，国际上具有代表性的信用风险管理模型有：JP·Morgan1997年给出的Credit MetricsTM模型，1997年CSFB给出的Credit Risk+系统，1998年Mckinsey给出的Credit Portfolio ViewTM系统，都利用了VaR来确定银行信贷组合的风险价值。可以说这些模型是VaR在信用风险管理领域应用的典范，但是，这些模型主要是针对发达国家银行业的，在我国目前的应用范围不是很大。除了2004年6月通过的新巴塞尔协议集中反映了银行信用风险管理研究的成果外(主要体现在银行内部评级法的应用中)，近年来，关于银行信用风险这一主题具有代表性的研究成果是Gordy&Crouhy atal(2000)、Frey& McNeil(2001)、Michael B·Gordy(2002)的成果，他们研究了基于行业违约情形的信用风险建模，发现只存在单个驱动债务人相关性的信用风险因素且信用组合内的任意风险敞口都只占总风险敞口非常小的份额时，银行信用VaR的贡献具有“组合不变性”，虽然他们的研究只涉及单因素风险情形，但论证了基于评级的资本要求与一般的信用风险组合VaR模型是相符合的事实。Susanne Emmer& Dirk Tasche(2003)提出了基于单因素Vasicek信用组合模型的VaR粒度调整方法和半渐进方法。目前，国内关于这一主题的研究成果主要是詹原瑞(2004)着的《银行信用风险的现代度量与管理》一书，但该书主要是对国外现有成果的总括性综述。总体而言，关于银行信用风险管理这一主题的研究大都只涉及单因素情形，并且很少与银行具体的资产负债情形相联系。
20世纪80年代以来，一系列因为操作风险所导致的金融案件震惊了国际银行界，使银行经营者和监管者普遍认识到了操作风险管理的重要性。Duncan Wilson(1995)最早提出了操作风险的VaR度量，认为操作风险可以像市场风险和信用风险一样应用VaR来度量；Relnhard Buhr(2000)提出了一种计算金融机构VaR的方法，该方法详细地描述了所有相关的操作流程，各种内部控制方法被看作是控制点，估计出每一控制点在失去控制的情况下的最大损失(MD)以及失去控制的概率P，则该控制点上的VaR为MDxP；Medova(2000，2001)和Kyriacou(2002)在McNEIL以及Alexander J(1999)在极值理论研究的基础上，应用VaR和极值理论对操作风险进行了量化分析。由于低频率高冲击事件爆发的概率很低，单一银行关于这类事件造成损失的数据不足以支持操作风险模型的建立。总体上来说，目前国外关于VaR的操作风险度量研究主要是各金融机构根据自己的业务特点展开的，尚处于探索阶段，还没有一个统一的研究框架。与国际研究相比，国内关于操作风险的文献大都限于对新巴塞尔资本协议的介绍，对操作风险的信用量化分析极少，更谈不上相应的数据库建设。
以上介绍的是国外学者的研究现状，当前，我国对VaR的应用研究尚处于起步阶段。我国学者最早对VaR进行研究的是郑文通1997年的《金融风险管理的VaR方法及其应用》。在国内关于本课题的研究具有代表性的是王春峰(2001)着的《金融市场风险管理》，该书系统地介绍了VaR的有关理论基础。总体上来说，国内关于VaR的研究大都是国外文献的综述或模仿，着重于在证券市场的应用，缺乏基于VaR对我国银行业风险管理的理论分析和实证研究。

四、结束语

在新巴塞尔协议(BaselⅡ，2004年6月通过，2006年实施)中，关于资本金(或风险资本)计算公式的设计和相关参数的确定与检验都借鉴了VaR的思想和方法。VaR方法因为其概念简单，易于沟通，成为当今国际银行业风险计量和信息披露的标准工具。可以说，新巴塞尔协议集中反映了VaR在商业银行风险管理中的许多研究成果，但是，协议本身主要反映了发达国家银行业的资本管理要求，对于变化多样的各国银行体系来说，它只是提供了，一个很宽泛的分析框架。VaR方法在观察和处理风险时具有独特的视角，虽然其中一些已经完全超出我国当前金融研究和实践的现状，但是，建立与国际接轨的现代银行风险管理体系是我们的必由之路。在开放经济条件下，以VaR为核心的新巴塞尔协议在我国的实行只是时间的问题，我们要结合我国银行业的特点，未雨绸缪，针对以上分析中现有VaR研究和应用的不足，加强VaR方法在我国银行风险管理领域的理论和应用研究。转贴于 中国论文下载中心

G. VAR方法的基本思想是什么

VAR(Value at Risk)按字面解释就是“在险价值”，其含义指：
在市场正常波动下，某一金融资产或证券组合的最大可能损失。更为确切的是指，在一定概率水平（置信度）下，某一金融资产或证券组合价值在未来特定时期内的最大可能损失。
用公式表示为：
Prob（△Ρ 其中Prob表示：资产价值损失小于可能损失上限的概率。△Ρ表示：某一金融资产在一定持有期△t的价值损失额。
VAR表示：给定置信水平α下的在险价值，即可能的损失上限。
α为：给定的置信水平。
VAR从统计的意义上讲，本身是个数字，是指面临“正常”的市场波动时“处于风险状态的价值”。即在给定的置信水平和一定的持有期限内，预期的最大损失量（可以是绝对值，也可以是相对值）。例如，某一投资公司持有的证券组合在未来24小时内，置信度为95％，在证券市场正常波动的情况下，VaR 值为800万元。其含义是指，该公司的证券组合在一天内（24小时），由于市场价格变化而带来的最大损失超过800万元的概率为5％，平均20个交易日才可能出现一次这种情况。或者说有95％的把握判断该投资公司在下一个交易日内的损失在800万元以内。5％的机率反映了金融资产管理者的风险厌恶程度，可根据不同的投资者对风险的偏好程度和承受能力来确定。以上供参考。

H. 有关VAR风险价值的计算问题

风险价值法(VAR)

（一）概念
VAR实际上是要回答在概率给定情况下，银行投资组合价值在下一阶段最多可能损失多少。在风险管理的各种方法中，VAR方法最为引人瞩目。尤其是在过去的几年里，许多银行和法规制定者开始把这种方法当作全行业衡量风险的一种标准来看待。VAR之所以具有吸引力是因为它把银行的全部资产组合风险概括为一个简单的数字，并以美元计量单位来表示风险管理的核心——潜在亏损。

（二）特点
①可以用来简单明了表示市场风险的大小，单位是美元或其他货币，没有任何技术色彩，没有任何专业背景的投资者和管理者都可以通过VAR值对金融风险进行评判；
②可以事前计算风险，不像以往风险管理的方法都是在事后衡量风险大小；
③不仅能计算单个金融工具的风险。还能计算由多个金融工具组成的投资组合风险，这是传统金融风险管理所不能做到的。

（三）应用
①用于风险控制。目前已有超过1000家的银行、保险公司、投资基金、养老金基金及非金融公司采用VAR方法作为金融衍生工具风险管理的手段。利用VAR方法进行风险控制，可以使每个交易员或交易单位都能确切地明了他们在进行有多大风险的金融交易，并可以为每个交易员或交易单位设置VAR限额，以防止过度投机行为的出现。如果执行严格的VAR管理，一些金融交易的重大亏损也许就可以完全避免。
②用于业绩评估。在金融投资中，高收益总是伴随着高风险，交易员可能不惜冒巨大的风险去追逐巨额利润。公司出于稳健经营的需要，必须对交易员可能的过度投机行为进行限制。所以，有必要引入考虑风险因素的业绩评价指标。
但VAR方法也有其局限性。VAR方法衡量的主要是市场风险，如单纯依靠VAR方法，就会忽视其他种类的风险如信用风险。另外，从技术角度讲。VAR值表明的是一定置信度内的最大损失，但并不能绝对排除高于VAR值的损失发生的可能性。例如假设一天的99％置信度下的VAR＝＄1000万，仍会有1％的可能性会使损失超过1000万美元。这种情况一旦发生，给经营单位带来的后果就是灾难性的。所以在金融风险管理中，VAR方法并不能涵盖一切，仍需综合使用各种其他的定性、定量分析方法。亚洲金融危机还提醒风险管理者：风险价值法并不能预测到投资组合的确切损失程度，也无法捕捉到市场风险与信用风险间的相互关系。

VaR风险控制模型

（一）VaR模型基本思想编辑本段
VaR按字面的解释就是“处于风险状态的价值”，即在一定置信水平和一定持有期内，某一金融工具或其组合在未来资产价格波动下所面临的最大损失额。JP.Morgan定义为：VaR是在既定头寸被冲销（be neutraliged）或重估前可能发生的市场价值最大损失的估计值；而Jorion则把VaR定义为：“给定置信区间的一个持有期内的最坏的预期损失”。

（二）VaR基本模型
根据Jorion（1996），VaR可定义为：
VaR=E（ω）-ω* ①
式中E（ω）为资产组合的预期价值；ω为资产组合的期末价值；ω*为置信水平α下投资组合的最低期末价值。
又设ω=ω0（1+R） ②
式中ω0为持有期初资产组合价值，R为设定持有期内（通常一年）资产组合的收益率。
ω*=ω0（1+R*） ③
R*为资产组合在置信水平α下的最低收益率。
根据数学期望值的基本性质，将②、③式代入①式，有
VaR=E[ω0（1+R）]-ω0（1+R*）
=Eω0+Eω0（R）-ω0-ω0R*
=ω0+ω0E（R）-ω0-ω0R*
=ω0E（R）-ω0R*
=ω0[E（R）-R*]ω
∴VaR=ω0[E（R）-R*] ④
上式公式中④即为该资产组合的VaR值，根据公式④，如果能求出置信水平α下的R*，即可求出该资产组合的VaR值。

（三）VaR模型的假设条件
VaR模型通常假设如下：
⒈市场有效性假设；
⒉市场波动是随机的，不存在自相关。
一般来说，利用数学模型定量分析社会经济现象，都必须遵循其假设条件，特别是对于我国金融业来说，由于市场尚需规范，政府干预行为较为严重，不能完全满足强有效性和市场波动的随机性，在利用VaR模型时，只能近似地正态处理。

（四）VaR模型计算方法
从前面①、④两式可看出，计算VAR相当于计算E（ω）和ω*或者E（R）和R*的数值。从目前来看，主要采用三种方法计算VaR值。
⒈历史模拟法（historical simulation method）
⒉方差—协方差法
⒊蒙特卡罗模拟法（Monte Carlo simulation）

1、历史模拟法
“历史模拟法”是借助于计算过去一段时间内的资产组合风险收益的频度分布，通过找到历史上一段时间内的平均收益，以及在既定置信水平α下的最低收益率，计算资产组合的VaR值。
“历史模拟法”假定收益随时间独立同分布，以收益的历史数据样本的直方图作为对收益真实分布的估计，分布形式完全由数据决定，不会丢失和扭曲信息，然后用历史数据样本直方图的P—分位数据作为对收益分布的P—分位数—波动的估计。
一般地，在频度分布图中横轴衡量某机构某日收入的大小，纵轴衡量一年内出现相应收入组的天数，以此反映该机构过去一年内资产组合收益的频度分布。
首先，计算平均每日收入E（ω）
其次，确定ω*的大小，相当于图中左端每日收入为负数的区间内，给定置信水平 α，寻找和确定相应最低的每日收益值。
设置信水平为α，由于观测日为T，则意味差在图的左端让出
t=T×α，即可得到α概率水平下的最低值ω*。由此可得：
VaR=E（ω）-ω*

2、方差—协方差法
“方差—协方差”法同样是运用历史资料，计算资产组合的VaR值。其基本思路为：
首先，利用历史数据计算资产组合的收益的方差、标准差、协方差；
其次，假定资产组合收益是正态分布，可求出在一定置信水平下，反映了分布偏离均值程度的临界值；
第三，建立与风险损失的联系，推导VaR值。
设某一资产组合在单位时间内的均值为μ，数准差为σ，R*～μ（μ、σ），又设α为置信水平α下的临界值，根据正态分布的性质，在α概率水平下，可能发生的偏离均值的最大距离为μ-ασ，
即R*=μ-ασ。
∵E（R）=μ
根据VaR=ω0[E（R）-R*] 有
VaR=ω0[μ-（μ-ασ）]=ω0ασ
假设持有期为 △t，则均值和数准差分别为μ△t和 ，这时上式则变为：
VaR=ω0•α•
因此，我们只要能计算出某种组合的数准差σ，则可求出其VaR的值，一般情况下，某种组合的数准差σ可通过如下公式来计算
其中，n为资产组合的金融工具种类，Pi为第i种金融工具的市场价值，σi第i种金融工具的数准差，σij为金融工具i、j的相关系数。
除了历史模拟法和方差—数准差法外，对于计算资产组合的VaR的方法还有更为复杂的“蒙特卡罗模拟法”。它是基于历史数据和既定分布假定的参数特征，借助随机产生的方法模拟出大量的资产组合收益的数值，再计算VaR值。

风险估价技术比较
⒈确认头寸 找到受市场风险影响的各种金融工具的全部头寸
⒉确认风险因素 确认影响资产组合中金融工具的各种风险因素
⒊获得持有期内风险因素的收益分布 计算过去年份里的历史上的频度分布 计算过去年份里风险因素的标准差和相关系数 假定特定的参数分布或从历史资料中按自助法随机产生
⒋将风险因素的收益与金融工具头寸相联系 将头寸的盯住市场价值（mark to market value）表示为风险因素的函数 按照风险因素分解头寸（risk mapping） 将头寸的盯住市场价值（mark to market value）表示为风险因素的函数
⒌计算资产组合的可变性 利用从步骤3和步骤4得到的结果模拟资产组合收益的频度分布 假定风险因素是呈正态分布，计算资产组合的标准差 利用从步骤3和步骤4得到的结果模拟资产组合收益的频度分布
⒍给定置信区间推导VAR

VaR模型在金融风险管理中的应用
VaR模型在金融风险管理中的应用越来越广泛，特别是随着VaR模型的不断改进，不但应用于金融机构的市场风险、使用风险的定量研究，而且VaR模型正与线性规划模型（LPM）和非线性规划模型（ULPM）等规划模型论，有机地结合起来，确定金融机构市场风险等的最佳定量分析法，以利于金融机构对于潜在风险控制进行最优决策。
对于VaR在国外的应用，正如文中引言指出，巴塞尔委员会要求有条件的银行将VaR值结合银行内部模型，计算适应市场风险要求的资本数额；G20建议用VaR来衡量衍生工具的市场风险，并且认为是市场风险测量和控制的最佳方法；SEC也要求美国公司采用VaR模型作为三种可行的披露其衍生交易活动信息的方法之一。这表明不但金融机构内部越来越多地采用VaR作为评判金融机构本身的金融风险，同时，越来越多的督管机构也用VaR方法作为评判金融机构风险大小的方法。
我国对VaR模型的引介始于近年，具有较多的研究成果，但VaR模型的应用现在确处于起步阶段，各金融机构已经充分认识到VaR的优点，正在研究适合于自身经营特点的VaR模型。
本部分就VAR模型在金融机构风险管理中的应用及其注意的问题介绍如下：

例1 来自JP.Morgan的例子
根据JP.Morgan1994年年报披露，该公司1994年一天的95%VAR值平均为1500万美元，这一结果可从反映JP.Morgan1994年日收益分布状况图中求出.该公司日均收益为500万美元，即E（ω）=500万美元。
如果给定α=95%，只需找一个ω*，使日收益率低于ω*的概率为5%，或者使日收益率低于ω*的ω出现的天数为254×5%=13天，从图中可以看出，ω*=－1000万美元。
根据VAR=E（ω）－ω*=500－（－1000）=1500万美元
值得注意的是，这只是过去一段时间的数值，依据过去推测未来的准确性取决于决定历史结果的各种因素、条件和形势等，以及这些因素是否具有同质性，否则，就要做出相应的调查，或者对历史数据进行修正。这在我国由于金融机构非完全市场作用得到的数据更应该引起重视。

例2 来自长城证券杜海涛的研究
长城证券公司杜海涛在《VaR模型在证券风险管理中的应用》一文中，用VaR模型研究了市场指数的风险度量、单个证券的风险度量和证券投资基金净值的VaR等，研究表明，VaR模型对我国证券市场上的风险管理有较好的效果。
下面就作者关于市场指数的风险度量过程作一引用，旨在说明VaR的计算过程（本文引用时有删节）。
第一步 正态性检验
首先根据2000年1月4日至2000年6月2日期间共94个交易日的日收益率做分布直方图，由于深沪两市场具有高度相关性，此处仅以上证综合指数为例计算。可以看出上证综合指数日收益率分布表现出较强的正态特征：众数附近十分集中，尾部细小。分析表明，深市指数也有相同的特征。
下面利用数理统计的方法对2000年4月3日至6月2日期间上述3种指数的日收益率的分布情况进行正态性检验，检验结果如下：
W(深证综指)=0.972445
W(深证成指)=0.978764
W(上证综指)=0.970279
W为正态假设检验统计量，当样本容量为40时取α =0.05(表示我们犯错误的概率仅为 α=0.05)，此时W0.05 =0.94，只有当W 时我们拒绝原假设。从我们的检验结果来看，我们无法拒绝三种指数的日收益率服从正态分布的假设。
有关这三种指数日收益率的相关统计量见表1。
表1 三种指数日收益率统计量
深圳综合 深圳成分 上证综合
均 值（ ）
0.001318 0.001061 0.001561
标准差（ ）
0.013363 0.012582 0.012391

通过上面的分析，我们可以得出三种指数的日收益率基本上服从N(μ,σ)，由于三种指数的平均日收益率非常接近零值，故可近似为N(0，σ)。
第二步 VaR的计算
由于正态分布的特点，集中在均值附近左右各1.65σ区间范围内的概率为0.90，用公式表示为：P(μ-1.65σ，再根据正态分布的对称性可知P(X<μ-1.65σ )=P(X>μ+1.65σ)=0.05；则有P(X>μ-1.65σ)=0.95。根据上面的计算结果可知在95%的置信度情况下：
VaR值=T日的收盘价×1.65σ。
取2000年4月3日至2000年6月2日的数据，然后根据上面的公式可以计算出深证综指、深证成指、上证综指3种指数在2000年6月2日的VaR值分别为：
深证综合指数VaR=591.34×1.65×0.013363=13.04
深证成份指数VaR=4728.88×1.65×0.012582=98.17
上证综合指数VaR=1916.25×1.65×0.012391=39.17
其现实意义为：根据该模型可以有95%的把握判断指数在下一交易日即6月5日的收盘价不会低于T日收盘价－当日的VaR值；
即深证综合指数不会低于：591.34－13.04=578.30
深证成份指数不会低于：4728.88－98.17=4630.71
上证综合指数不会低于：1916.25－39.17=1877.08。
第三步 可靠性检验
现在来检验该模型的可靠性。根据3种指数的VaR来预测下一个交易日的指数变动下限，并比较该下限和实际收盘价，看预测的结果与我们期望值之间的差别。图2、图3、图4是3个指数于2000年4月3日至6月2日的实际走势与利用VaR预期下限的拟合图形。

现将样本区间内实际收盘指数低于预测下限的天数与95%置信度情况下的可能出现的期望天数作一统计对比，结果见表2。
表2 模型期望结果与实际结果的比较

深圳综合 深圳成分 上证综合
实际情况 3 3 3
期望情况 2 2 2

通过上面的计算我们可以发现应用VaR模型进行指数风险控制拟合结果较好。至于三种指数均有3个交易日超过预测下限，这主要是由于考察期间适逢台湾政权更迭及美众院审议表决予华PNTR的议案，市场波动较大所致。

例3 来自银行家信托公司的例子
由于金融机构特别是在证券投资中，高收益常伴随着高风险，下级部门或者交易员可能冒巨大风险追求利润，但金融机构出于稳健经营的需要，有必要对下级部门或者交易员可能的过渡投资机行为进行限制，因而引入考虑风险因素的业绩评价体系，美国银行和信托公司将VaR模型用于业绩评估中，确立了业绩评价指数——经风险调查的资本收益，即RAROC= ，从公式可看出，即使收益再高，但由于VaR也高，则RAROC也不会很高，其业绩评价也不可能很高。因此，将金融机构将VaR应用于业绩评价中，可对过度投机行为进行限制，使金融机构能更好地选择在最小风险下获取较大收益的项目。
同时，杜海涛也将VaR方法用于对我国5只基金管理人的经营业绩评价，评价结果如下表：
我国5只基金管理人的RAROC比较表
基金开元 基金普惠 基金金泰 基金安信 基金裕阳
VaR值 0.1178 0.0919 0.0880 0.1240 0.1185
收益率 0.4153 0.2982 0.3592 0.4206 0.3309
RAROC 2.8467 2.7495 3.5188 3.1707 2.7938
日收益率的标准差 0.045623 0.03748 0.035623 0.037033 0.036559
数据来源：杜海涛《VaR模型在证券风险管理中的应用》

随着我国加入WTO，金融全球化挑战我国的金融改革及创新，特别是金融理论的创新和控制风险技术的创新，如何将金融风险控制到最小程度，真正使金融体系成为支撑社会经济的基础，达到为社会分散经济风险的目的，是我国金融界必须面对的艰巨任务，如何用定量方法测度和控制金融风险，是金融机构和监管当局必须面对的问题。从金融机构本身来看，将风险定量分析方法，比如VaR模型应用于日常的风险管理，将市场风险和信用风险降到最低的程度，以期获取最大的利润回报，是金融机构的义不容辞的事情，也是其当务之急。从监管当局来看，促使金融机构应用先进的控制风险技术，使金融家们能够随心所欲地剥离各种风险，即对各种复杂的风险进行精确的计算和配置，将有利于我国的监管水平有较大的提高。因此，我国的金融机构和金融监管当局非常有必要将VaR模型等风险控制技术引入我国金融风险管理将非常必要，且具有一定的现实意义。

I. var可以干什么 var的三个应用阶段

VaR的应用主要体现在：第一，用于风险控制。目前已有超过1000家的银行、保险公司、投资基金、养老金基金及非金融公司采用VaR方法作为金融衍生工具风险管理的手段。利用VaR方法进行风险控制