版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/FrankieHello/article/details/82874253
什么是VaR
VaR是value of risk的缩写称为风险价值，或者受险价值，指的是在一定的概率下，一个金融资产在未来一段时间内的最大可能损失。常用于金融机构的风险管理。它的数学定义为：
其中，的含义是金融资产在持有期
的时间内的价值损失。总的意义就是在金融资产的收益有1-p的概率不会小于VaR。
所以从定义出发，要确定VaR的值或者建立VaR的模型，必须要确定三个系数：
- 持有期
。也就是持有资产是在哪一段时间内的最大亏损值。一些流动性比较强的交易头寸需要以日为周期计算；而一些周期较长的如养老基金之类的则是以月为周期来计算。
- 置信水平a。置信区间的选择在一定程度上反映了金融机构对风险的不同偏好。较大的置信水平意味着对风险的厌恶程度就大。J.P. Morgan与美洲银行选择95%，花旗银行选择95.4%，大通曼哈顿选择97.5%，Bankers Trust选择99%。作为金融监管部门的巴塞尔委员会则要求采用99%的置信区间，这与其稳健的风格是一致的。
- 观察周期（Obervation Period）。也就是整个数据选取的时间范围。
VaR的作用
- 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。
- 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。
常用来估计VaR的方法
下面介绍三种估计VaR的方法：来自 python爱好者社区
1、HS方法
HS方法称为历史模拟法（Historical Simulation），它的思想是通过每次取一定长度的历史数据作为样本，将样本的分布看作是整体的分布，然后在置信度p下，只需要找出这些历史数据的p-分位数，认为这些历史数据的p-分位数就可以表示VaR。
p-分位数：分位数（Quantile）也称为分位点。指将一个随机变量的概率分布范围分为几个等份的数值点，常用的分位数有中位数（二分位数）、四分位数、百分位数。分位数的计算则是先将n个数据进行升序排列，然后p分位数就是取其中的第n*p位置上的数。
2、WHS方法
WHS方法称为加权历史模拟法（Weighted Historical Simulation）,它与HS方法的思想类似，只不过HS方法认为过去每一天的数据包含的信息是一样的，没有考虑时间的因素。而WHS则是认为距离当天越近的数据对与当天的影响更大，所以应该赋予更高的权重，因此对p-分位数进行加权来表示VaR。