VaR（Value at Risk）即风险价值，作为一种风险评估方法， 本质是在一定的概率下，标的资产在未来一段时间的最大损失。它的最大优点在于能够将所有金融资产潜在亏损用具体数 值表示，风险管理者能够将风险量化，使得风险控制和管理相 对容易。

传统的 VaR 计算模型一般的假设条件是：在整个数据的方差都是相同，在这个假设条件下对市场风险进行度量。该假设是否适合中国值得商榷，我们通过历史模拟法、模特卡罗模拟法和方差协方差法三种传统计算模型判断在该假设下模型是否适 合中国市场。

通过回测验证发现，在回测期间三种模型都低估 了市场风险，这是由于金融时间序列数据存在尖峰厚尾和异方差性，我们认为以同方差为假设前提的风险度量模型并不能较 准确的度量市场风险。

我们用到的动态 VaR 计算模型是基于 GARCH 模型、TARCH模型 和 EGARCH 模型的基础上构建的。通过以上模型可以准确的捕 捉到市场波动的群聚效应，从而得到未来的动态 VaR 值。通过数据验证发现，在数据收集期内，波动率并不存在类似国外市场的杠杆效应，正负消息对市场波动率的冲击是相同的。TARCH 模型和 EGARCH 模型并不适合中国市场。在数据检验期内，通过模型失败率发现，基于 GARCH(1,1)-t 分布模型计算的 VaR 值能够准确的度量市场风险，适合作为中国市场风险度量模型。

VaR 模型作为一种风险度量工具，其主要作用在于提示风险， 管理风险，而 VaR 模型在现实中不仅可以提示风险，更重要的是可以通过该模型衍生出各种投资策略，在低风险下取得高收益，例如：低风险套利策略和买入价位参考策略等。

详细内容公司客户可查看。