❶ var模型一般在什麼情況下使用呢
var模型一般在：市場有效性假設；市場波動是隨機的，不存在自相關，情況之下使用。
利用數學模型定量分析社會經濟現象，都必須遵循其假設條件，特別是對於我國金融業來說，由於市場尚需規范，政府幹預行為較為嚴重，不能完全滿足強有效性和市場波動的隨機性，在利用VaR模型時，只能近似地正態處理。
VaR按字面的解釋就是處於風險狀態的價值，即在一定置信水平和一定持有期內，某一金融工具或其組合在未來資產價格波動下所面臨的最大損失額。
(1)債券組合信用風險var度量擴展閱讀：
VaR基本模型
根據Jorion（1996），VaR可定義為：
VaR＝E（ω）－ω＊①
式中E（ω）為資產組合的預期價值；ω為資產組合的期末價值；ω＊為置信水平α下投資組合的最低期末價值。
又設ω＝ω0（1＋R）②
式中ω0為持有期初資產組合價值，R為設定持有期內（通常一年）資產組合的收益率。
ω＊＝ω0（1＋R＊）③
R＊為資產組合在置信水平α下的最低收益率。
根據數學期望值的基本性質，將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即為該資產組合的VaR值，根據公式④，如果能求出置信水平α下的R＊，即可求出該資產組合的VaR值。
❷ 投資組合中既有股票又有期權債券怎麼計算VAR
你好這個是組合或者證券出現風險這個加權平均
❸ 債券組合能分散哪種風險
債券組合能分散的風險主要體現在信用風險上，當債券違約時，就意味著投資於該債券上的資金難以收回，甚至是無法收回。由於不同的債券在債券條款等各方面都有不同的，導致不同的信用評級，且債券發行者主體也有一定的信用評級。利率風險是屬於系統風險裡面，而信用利差(信用利差一般是指無風險債券與有風險債券之間的收益率差值)實際上也是基於信用風險讓交易市場的投資者給出的一個類似系統風險的數值，若單一債券品種信用惡化，且債券組合集中持有該債券，這樣會使得債券組合不能規避信用風險。
❹ 用什麼方法確定投資組合風險度量
投資組合風險有：
投資組合的風險是用投資組合回報率的標准方差來度量，而且，增加投資組合中的證券個數可以降低投資組合的總體風險。但是，由於股票間實際存在的相關性，無論怎麼增加個數都不能將投資組合的總體風險降到零。事實上，投資組合的證券個數越多，投資組合與市場的相關性就越大，投資組合風險中與市場有關的風險份額就越大。
這種與市場有關並作用於所有證券而無法通過多樣化予以消除的風險稱為系統風險或市場風險。而不能被市場解釋的風險稱為非系統風險或可消除風險。所以，無限制地增加成分證券個數將使投資組合的風險降到指數的市場風險。
風險控制的基本思想是，當一個投資組合的成分證券個數足夠多時，其非系統風險趨於零，總體風險趨於系統風險，這時，投資組合的風險就可以用指數期貨來對沖。
對沖的實際結果完全取決於投資組合和大市的相關程度。若投資組合與大市指數完全相關，投資組合的風險就能百分之百地被對沖，否則只能部分被抵消。
投資組合的系統風險是由投資組合對市場的相關系數乘以投資組合的標准差來表達，而這里的相關系數是投資組合與市場的協方差除以市場的標准差和投資組合的標准差
❺ 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)債券組合信用風險var度量擴展閱讀：
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
❻ 有關VAR風險價值的計算問題
風險價值法(VAR)
（一）概念
VAR實際上是要回答在概率給定情況下，銀行投資組合價值在下一階段最多可能損失多少。在風險管理的各種方法中，VAR方法最為引人矚目。尤其是在過去的幾年裡，許多銀行和法規制定者開始把這種方法當作全行業衡量風險的一種標准來看待。VAR之所以具有吸引力是因為它把銀行的全部資產組合風險概括為一個簡單的數字，並以美元計量單位來表示風險管理的核心——潛在虧損。
（二）特點
①可以用來簡單明了表示市場風險的大小，單位是美元或其他貨幣，沒有任何技術色彩，沒有任何專業背景的投資者和管理者都可以通過VAR值對金融風險進行評判；
②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；
③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，這是傳統金融風險管理所不能做到的。
（三）應用
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。
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。例如假設一天的99％置信度下的VAR＝＄1000萬，仍會有1％的可能性會使損失超過1000萬美元。這種情況一旦發生，給經營單位帶來的後果就是災難性的。所以在金融風險管理中，VAR方法並不能涵蓋一切，仍需綜合使用各種其他的定性、定量分析方法。亞洲金融危機還提醒風險管理者：風險價值法並不能預測到投資組合的確切損失程度，也無法捕捉到市場風險與信用風險間的相互關系。
VaR風險控制模型
（一）VaR模型基本思想編輯本段
VaR按字面的解釋就是「處於風險狀態的價值」，即在一定置信水平和一定持有期內，某一金融工具或其組合在未來資產價格波動下所面臨的最大損失額。JP.Morgan定義為：VaR是在既定頭寸被沖銷（be neutraliged）或重估前可能發生的市場價值最大損失的估計值；而Jorion則把VaR定義為：「給定置信區間的一個持有期內的最壞的預期損失」。
（二）VaR基本模型
根據Jorion（1996），VaR可定義為：
VaR=E（ω）-ω* ①
式中E（ω）為資產組合的預期價值；ω為資產組合的期末價值；ω*為置信水平α下投資組合的最低期末價值。
又設ω=ω0（1+R） ②
式中ω0為持有期初資產組合價值，R為設定持有期內（通常一年）資產組合的收益率。
ω*=ω0（1+R*） ③
R*為資產組合在置信水平α下的最低收益率。
根據數學期望值的基本性質，將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即為該資產組合的VaR值，根據公式④，如果能求出置信水平α下的R*，即可求出該資產組合的VaR值。
（三）VaR模型的假設條件
VaR模型通常假設如下：
⒈市場有效性假設；
⒉市場波動是隨機的，不存在自相關。
一般來說，利用數學模型定量分析社會經濟現象，都必須遵循其假設條件，特別是對於我國金融業來說，由於市場尚需規范，政府幹預行為較為嚴重，不能完全滿足強有效性和市場波動的隨機性，在利用VaR模型時，只能近似地正態處理。
（四）VaR模型計算方法
從前面①、④兩式可看出，計算VAR相當於計算E（ω）和ω*或者E（R）和R*的數值。從目前來看，主要採用三種方法計算VaR值。
⒈歷史模擬法（historical simulation method）
⒉方差—協方差法
⒊蒙特卡羅模擬法（Monte Carlo simulation）
1、歷史模擬法
「歷史模擬法」是藉助於計算過去一段時間內的資產組合風險收益的頻度分布，通過找到歷史上一段時間內的平均收益，以及在既定置信水平α下的最低收益率，計算資產組合的VaR值。
「歷史模擬法」假定收益隨時間獨立同分布，以收益的歷史數據樣本的直方圖作為對收益真實分布的估計，分布形式完全由數據決定，不會丟失和扭曲信息，然後用歷史數據樣本直方圖的P—分位數據作為對收益分布的P—分位數—波動的估計。
一般地，在頻度分布圖中橫軸衡量某機構某日收入的大小，縱軸衡量一年內出現相應收入組的天數，以此反映該機構過去一年內資產組合收益的頻度分布。
首先，計算平均每日收入E（ω）
其次，確定ω*的大小，相當於圖中左端每日收入為負數的區間內，給定置信水平 α，尋找和確定相應最低的每日收益值。
設置信水平為α，由於觀測日為T，則意味差在圖的左端讓出
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—協方差法
「方差—協方差」法同樣是運用歷史資料，計算資產組合的VaR值。其基本思路為：
首先，利用歷史數據計算資產組合的收益的方差、標准差、協方差；
其次，假定資產組合收益是正態分布，可求出在一定置信水平下，反映了分布偏離均值程度的臨界值；
第三，建立與風險損失的聯系，推導VaR值。
設某一資產組合在單位時間內的均值為μ，數准差為σ，R*～μ（μ、σ），又設α為置信水平α下的臨界值，根據正態分布的性質，在α概率水平下，可能發生的偏離均值的最大距離為μ-ασ，
即R*=μ-ασ。
∵E（R）=μ
根據VaR=ω0[E（R）-R*] 有
VaR=ω0[μ-（μ-ασ）]=ω0ασ
假設持有期為 △t，則均值和數准差分別為μ△t和 ，這時上式則變為：
VaR=ω0•α•
因此，我們只要能計算出某種組合的數准差σ，則可求出其VaR的值，一般情況下，某種組合的數准差σ可通過如下公式來計算
其中，n為資產組合的金融工具種類，Pi為第i種金融工具的市場價值，σi第i種金融工具的數准差，σij為金融工具i、j的相關系數。
除了歷史模擬法和方差—數准差法外，對於計算資產組合的VaR的方法還有更為復雜的「蒙特卡羅模擬法」。它是基於歷史數據和既定分布假定的參數特徵，藉助隨機產生的方法模擬出大量的資產組合收益的數值，再計算VaR值。
風險估價技術比較
⒈確認頭寸 找到受市場風險影響的各種金融工具的全部頭寸
⒉確認風險因素 確認影響資產組合中金融工具的各種風險因素
⒊獲得持有期內風險因素的收益分布 計算過去年份里的歷史上的頻度分布 計算過去年份里風險因素的標准差和相關系數 假定特定的參數分布或從歷史資料中按自助法隨機產生
⒋將風險因素的收益與金融工具頭寸相聯系 將頭寸的盯住市場價值（mark to market value）表示為風險因素的函數 按照風險因素分解頭寸（risk mapping） 將頭寸的盯住市場價值（mark to market value）表示為風險因素的函數
⒌計算資產組合的可變性 利用從步驟3和步驟4得到的結果模擬資產組合收益的頻度分布 假定風險因素是呈正態分布，計算資產組合的標准差 利用從步驟3和步驟4得到的結果模擬資產組合收益的頻度分布
⒍給定置信區間推導VAR
VaR模型在金融風險管理中的應用
VaR模型在金融風險管理中的應用越來越廣泛，特別是隨著VaR模型的不斷改進，不但應用於金融機構的市場風險、使用風險的定量研究，而且VaR模型正與線性規劃模型（LPM）和非線性規劃模型（ULPM）等規劃模型論，有機地結合起來，確定金融機構市場風險等的最佳定量分析法，以利於金融機構對於潛在風險控制進行最優決策。
對於VaR在國外的應用，正如文中引言指出，巴塞爾委員會要求有條件的銀行將VaR值結合銀行內部模型，計算適應市場風險要求的資本數額；G20建議用VaR來衡量衍生工具的市場風險，並且認為是市場風險測量和控制的最佳方法；SEC也要求美國公司採用VaR模型作為三種可行的披露其衍生交易活動信息的方法之一。這表明不但金融機構內部越來越多地採用VaR作為評判金融機構本身的金融風險，同時，越來越多的督管機構也用VaR方法作為評判金融機構風險大小的方法。
我國對VaR模型的引介始於近年，具有較多的研究成果，但VaR模型的應用現在確處於起步階段，各金融機構已經充分認識到VaR的優點，正在研究適合於自身經營特點的VaR模型。
本部分就VAR模型在金融機構風險管理中的應用及其注意的問題介紹如下：
例1 來自JP.Morgan的例子
根據JP.Morgan1994年年報披露，該公司1994年一天的95%VAR值平均為1500萬美元，這一結果可從反映JP.Morgan1994年日收益分布狀況圖中求出.該公司日均收益為500萬美元，即E（ω）=500萬美元。
如果給定α=95%，只需找一個ω*，使日收益率低於ω*的概率為5%，或者使日收益率低於ω*的ω出現的天數為254×5%=13天，從圖中可以看出，ω*=－1000萬美元。
根據VAR=E（ω）－ω*=500－（－1000）=1500萬美元
值得注意的是，這只是過去一段時間的數值，依據過去推測未來的准確性取決於決定歷史結果的各種因素、條件和形勢等，以及這些因素是否具有同質性，否則，就要做出相應的調查，或者對歷史數據進行修正。這在我國由於金融機構非完全市場作用得到的數據更應該引起重視。
例2 來自長城證券杜海濤的研究
長城證券公司杜海濤在《VaR模型在證券風險管理中的應用》一文中，用VaR模型研究了市場指數的風險度量、單個證券的風險度量和證券投資基金凈值的VaR等，研究表明，VaR模型對我國證券市場上的風險管理有較好的效果。
下面就作者關於市場指數的風險度量過程作一引用，旨在說明VaR的計算過程（本文引用時有刪節）。
第一步 正態性檢驗
首先根據2000年1月4日至2000年6月2日期間共94個交易日的日收益率做分布直方圖，由於深滬兩市場具有高度相關性，此處僅以上證綜合指數為例計算。可以看出上證綜合指數日收益率分布表現出較強的正態特徵：眾數附近十分集中，尾部細小。分析表明，深市指數也有相同的特徵。
下面利用數理統計的方法對2000年4月3日至6月2日期間上述3種指數的日收益率的分布情況進行正態性檢驗，檢驗結果如下：
W(深證綜指)=0.972445
W(深證成指)=0.978764
W(上證綜指)=0.970279
W為正態假設檢驗統計量，當樣本容量為40時取α =0.05(表示我們犯錯誤的概率僅為 α=0.05)，此時W0.05 =0.94，只有當W 時我們拒絕原假設。從我們的檢驗結果來看，我們無法拒絕三種指數的日收益率服從正態分布的假設。
有關這三種指數日收益率的相關統計量見表1。
表1 三種指數日收益率統計量
深圳綜合 深圳成分 上證綜合
均 值（ ）
0.001318 0.001061 0.001561
標准差（ ）
0.013363 0.012582 0.012391
通過上面的分析，我們可以得出三種指數的日收益率基本上服從N(μ,σ)，由於三種指數的平均日收益率非常接近零值，故可近似為N(0，σ)。
第二步 VaR的計算
由於正態分布的特點，集中在均值附近左右各1.65σ區間范圍內的概率為0.90，用公式表示為：P(μ-1.65σ，再根據正態分布的對稱性可知P(X<μ-1.65σ )=P(X>μ+1.65σ)=0.05；則有P(X>μ-1.65σ)=0.95。根據上面的計算結果可知在95%的置信度情況下：
VaR值=T日的收盤價×1.65σ。
取2000年4月3日至2000年6月2日的數據，然後根據上面的公式可以計算出深證綜指、深證成指、上證綜指3種指數在2000年6月2日的VaR值分別為：
深證綜合指數VaR=591.34×1.65×0.013363=13.04
深證成份指數VaR=4728.88×1.65×0.012582=98.17
上證綜合指數VaR=1916.25×1.65×0.012391=39.17
其現實意義為：根據該模型可以有95%的把握判斷指數在下一交易日即6月5日的收盤價不會低於T日收盤價－當日的VaR值；
即深證綜合指數不會低於：591.34－13.04=578.30
深證成份指數不會低於：4728.88－98.17=4630.71
上證綜合指數不會低於：1916.25－39.17=1877.08。
第三步 可靠性檢驗
現在來檢驗該模型的可靠性。根據3種指數的VaR來預測下一個交易日的指數變動下限，並比較該下限和實際收盤價，看預測的結果與我們期望值之間的差別。圖2、圖3、圖4是3個指數於2000年4月3日至6月2日的實際走勢與利用VaR預期下限的擬合圖形。
現將樣本區間內實際收盤指數低於預測下限的天數與95%置信度情況下的可能出現的期望天數作一統計對比，結果見表2。
表2 模型期望結果與實際結果的比較
深圳綜合 深圳成分 上證綜合
實際情況 3 3 3
期望情況 2 2 2
通過上面的計算我們可以發現應用VaR模型進行指數風險控制擬合結果較好。至於三種指數均有3個交易日超過預測下限，這主要是由於考察期間適逢台灣政權更迭及美眾院審議表決予華PNTR的議案，市場波動較大所致。
例3 來自銀行家信託公司的例子
由於金融機構特別是在證券投資中，高收益常伴隨著高風險，下級部門或者交易員可能冒巨大風險追求利潤，但金融機構出於穩健經營的需要，有必要對下級部門或者交易員可能的過渡投資機行為進行限制，因而引入考慮風險因素的業績評價體系，美國銀行和信託公司將VaR模型用於業績評估中，確立了業績評價指數——經風險調查的資本收益，即RAROC= ，從公式可看出，即使收益再高，但由於VaR也高，則RAROC也不會很高，其業績評價也不可能很高。因此，將金融機構將VaR應用於業績評價中，可對過度投機行為進行限制，使金融機構能更好地選擇在最小風險下獲取較大收益的項目。
同時，杜海濤也將VaR方法用於對我國5隻基金管理人的經營業績評價，評價結果如下表：
我國5隻基金管理人的RAROC比較表
基金開元 基金普惠 基金金泰 基金安信 基金裕陽
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
日收益率的標准差 0.045623 0.03748 0.035623 0.037033 0.036559
數據來源：杜海濤《VaR模型在證券風險管理中的應用》
隨著我國加入WTO，金融全球化挑戰我國的金融改革及創新，特別是金融理論的創新和控制風險技術的創新，如何將金融風險控制到最小程度，真正使金融體系成為支撐社會經濟的基礎，達到為社會分散經濟風險的目的，是我國金融界必須面對的艱巨任務，如何用定量方法測度和控制金融風險，是金融機構和監管當局必須面對的問題。從金融機構本身來看，將風險定量分析方法，比如VaR模型應用於日常的風險管理，將市場風險和信用風險降到最低的程度，以期獲取最大的利潤回報，是金融機構的義不容辭的事情，也是其當務之急。從監管當局來看，促使金融機構應用先進的控制風險技術，使金融家們能夠隨心所欲地剝離各種風險，即對各種復雜的風險進行精確的計算和配置，將有利於我國的監管水平有較大的提高。因此，我國的金融機構和金融監管當局非常有必要將VaR模型等風險控制技術引入我國金融風險管理將非常必要，且具有一定的現實意義。
❼ 一名債券基金經理,將要配置債券投資組合,將考慮哪些風險
債券基金經理在配置債券時會綜合各方面因素，和個人習慣來配置債券，面臨的風險主要是利率風險，流動性風險，信用風險，久期風險，總之基金經理在配置債券時，最好綜合各方面債券，不要押寶某類債券或者某隻債券，也不要一味的拉長債券久期，這樣一旦遇到集中贖回就會被動，一個優秀的基金經理會使自己管理的債券基金均衡配置，不會大起大落，以上只是個人意見僅供參考，投資有風險需謹慎，祝你投資順利天天開心
❽ Creditmetrics模型的基本思想
1、信用風險取決於債務人的信用狀況，而企業的信用狀況由被評定的信用等示。因此，信用計量模型認為信用風險可以說直接源自企業信用等級的變化，並假定信用評級體系是有效的，即企業投資失敗、利潤下降、融資渠道枯竭等信用事件對其還款履約能力的影響都能及時恰當地通過其信用等級的變化而表現出來。信用計量模型的基本方法就是信用等級變化分析。轉換矩陣（Transition Matrix一般由信用評級公司提供），即所有不同信用等級的信用工具在一定期限內變化（轉換）到其他信用等級或維持原級別的概率矩陣，成為該模型重要的輸入數據。
2、信用工具（包括債券和貸款等）的市場價值取決於債務發行企業的信用等級，即不同信用等級的信用工具有不同的市場價值，因此，信用等級的變化會帶來信用工具價值的相應變化。根據轉換矩陣所提供的信用工具信用等級變化的概率分布，同時根據不同信用等級下給定的貼現率就可以計算出該信用工具在各信用等級上的市場價值（價格），從而得到該信用工具市場價值在不同信用風險狀態下的概率分布。這樣就達到了用傳統的期望和標准差來衡量資產信用風險的目的，也可以在確定的置信水平上找到該信用資產的信用值，從而將Var的方法引入到信用風險管理中來。
3、信用計量模型的一個基本特點就是從資產組合而並不是單一資產的角度來看待信用風險。根據馬柯威茨資產組合管理理論，多樣化的組合投資具有降低非系統性風險的作用，信用風險很大程度上是一種非系統性風險，因此，在很大程度上能被多樣性的組合投資所降低。另一方面，由於經濟體系中共同的因素（系統性因素）的作用，不同信用工具的信用狀況之間存在相互聯系，由此而產生的系統性風險是不能被分散掉的。這種相互聯系由其市場價值變化的相關系數（這種相關系數矩陣一般也由信用評級公司提供）表示。由單一的信用工具市場價值的概率分布推導出整個投資組合的市場價值的概率分布可以採取馬柯威茨資產組合管理分析法。
4、由於信用計量模型將單一的信用工具放入資產組合中衡量其對整個組合風險狀況的作用，而不是孤立地衡量某一信用工具自身的風險，因而，該模型使用了信用工具邊際風險貢獻這樣的概念來反映單一信用工具對整個組合風險狀況的作用。邊際風險貢獻是指在組合中因增加某一信用工具的一定持有量而增加的整個組合的風險（以組合的標准差表示）。通過對比組合中各信用工具的邊際風險貢獻，進而分析每種信用工具的信用等級、與其他資產的相關系數以及其風險暴露程度等各方面因素，可以很清楚地看出各種信用工具在整個組合的信用風險中的作用，最終為投資者的信貸決策提供科學的量化依據。
❾ var與cvar在度量風險中有何區別
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。
VaR的特點
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者都可以通過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，這是傳統金融風險管理所不能做到的。
❿ 信用風險度量模型的對現代信用風險度量模型的分析評價
該模型的優點是：KMV模型是一個動態模型，將借款公司的股價信息轉換成信用信息，對借款公司質量的變化比較敏感，同時市場信息也被反映在模型當中，具有一定的前瞻性，模型的預測能力較強。
KMV模型在實際運用中存在的不足是：一是著重於違約預測，忽視了企業信用等級的變化，只適於評估與企業資產價值直接聯系的信貸資產(基本上只是貸款)的風險；二是該模型適用於上市公司的信用風險評估，由於我國的股市並不是一個有效的市場，上市公司的股票價格常常背離公司的實際價值，企業資產價值特別是國有企業的資產價值並不能夠完全反映到股票市值中，從而影響了模型預測的精確性。但是，該模型可以運用到對跨國集團信貸資產的風險管理上，跨國企業的信貸資產很大部分以其母公司為擔保人，而其母公司所在國家的股票市場是比較成熟有效的；三是模型基於資產價值服從正態分布的假設和實際不相符，模型不能夠對長期債務的不同類型進行分辨。 該模型具有兩個優點：一是該模型屬於MTM(market to market)模型，並據此計算信用風險的VaR值，這與國有商業銀行的經營理念基本吻合；二是該模型首次將組合管理理念引入信用風險管理領域，適用於商業信用、債券、貸款、貸款承諾、信用證、以及市場工具(互換、遠期等)等信貸資產組合的風險計量。
該模型的局限在於：
一是該模型對信用風險的評判很大程度上依賴於借款人的信用等級的變化，在我國現有的信用環境下，出現大量損失的概率可能較高。
二是模型假設信用等級轉移概率是一個穩定的馬爾可夫過程，而實際中信用等級轉移與過去的轉移結果之間有很高的相關性。
三是該模型假設無風險利率是事先決定的，我國債券市場尚不發達，還沒有形成合理的基礎利率，而基礎利率是計算貸款現值的重要因素。
四是在我國目前還沒有比較客觀、權威的信用評級公司，沒有現成的企業信用等級轉換概率和不同信用等級企業違約回收率數據資料。在商業銀行歷史貸款資料庫中，某一信用級別的企業在不同時期轉換成另一信用級別的概率可能是不相同的，某一信用級別的企業在各個時期違約回收率的均值可能也是不同的。這些不同時期的轉換概率和企業違約回收率均值就構成了混沌時間序列。如果假設經濟的宏觀因素沒有大的波動，就可以利用構成的混沌時間序列來預測短期未來的信用等級轉換概率矩陣和企業違約回收率均值。有了這些數據，國有商業銀行就可以應用信用度量術模型量化和管理信用風險。
五是該模型在實際運用中需要能夠做好信用等級評估工作的高素質的工作人員，另外由於該模型採用了蒙特卡羅模擬，運算量較大，以國有商業銀行現有的電腦網路系統，每次計算VAR值都需要幾個小時甚至十幾個小時，這樣的速度有時可能無法滿足業務發展的需要。 該模型的主要優勢：比較容易利用死亡率表來計算單個債券和債券組合的預期損失及其波動率，特別是計算債券組合很方便；死亡模型是從大量樣本中統計出來的一個模型，所以採用的參數比較少。該模型主要劣勢：沒有考慮不同債券的相關性對計算結果的影響；沒有考慮宏觀經濟環境對死亡率的影響，因而需要時時更新死亡率表；數據更新和計算量很大；不能處理非線性產品，如期權、外幣掉期
信用度量模型的意義
信用度量模型作為新巴塞爾協議框架，其意義在於確定銀打所承擔的風險水平；對貸款等各種金融產品進行合理定價；合理配置銀行資本，抵禦各種風險。
下面以基於VaR的風險度最模型為例來說明在新巴塞爾議框架下風險度量模型的積極意義。
2001年， 巴塞爾委員會發布了旨在替代舊版巴塞爾協議的《新巴塞爾資本協議》(以下簡稱新巴塞爾協議) 。在此框架下，商業銀行面臨的風險被分為三類：信用風險、市場風險和操作風險。
VaR被運用於商業銀行風險管理始於對於市場風險的監管。傳統的市場風險管理技術可以分為靈敏性分析和波動性分析兩類，但這兩種方法在精確度、依賴性和全面性等方面存在明顯的缺陷，而正如Jorion指出的那樣，VaR方法他用規范的統計技術，全面地衡量市場風險，很好地彌補了靈敏性分析和波動性分析的缺陷，將市場風險管理技術提升到了一個新的高度 巴塞爾委員會也明確了用VaR 方法結合內部模型法來度量銀行面臨的市場風險的規定。
信用風險是商業銀行面臨的風險中最重要的一類風險，由於信用風險本身的一些特點， 運用VaR對其進行度量存在技術上的困難。但是隨著數量技術的發展，新一代金融工程學家運用新的建模技術和分析方法建立了一些暴於VaR技術的信用風險度量模型。其中比較著名的有CIBC提出的CreditVaR 系列方法和J．P.Mrgan提出的CreditMetrics。
在商業銀行皿臨的風險中,操作風險一直以來缺乏明確定義和足夠關注，在新巴塞爾協議中一項重要的修改，就是將操作風險納入風險資本的計算和監管框架。新巴塞爾協議中提供了多種可供選擇的計算操作風險資本盒的方法，其中比較復雜的損失分布法就需要運用VaR方法來確定操作風險資本。