求用VAR模型的历史模拟法算一个金融控股集团的风险值怎么算，需要哪些数据，数据在哪儿可以找到

1. 求用VAR模型的历史模拟法算一个金融控股集团的风险值怎么算，需要哪些数据，数据在哪儿可以找到

先找它的股票价格，然后按日收盘价或周、月收盘价算出每一期的收益率。把各期收益率放一起就构成了一个代表收益（取负值就变成了损失）的分布情况。然后按95%或99%分位点就可以确定VAR了。

2. 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(Xμ+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。

3. Matlab中的VAR历史模拟法求值问题

自己写个程序遍历一下就可以了，比如
for i=1:N
if abs(y(i))<0.000001
.....
end
end

4. VAR方法的VaR的计算系数

VaR的计算系数主要包括三个系数：一是持有期间的长短；二是置信区间的大小；三是观察期间。
1、持有期。持有期△t，即确定计算在哪一段时间内的持有资产的最大损失值，也就是明确风险管理者关心资产在一天内一周内还是一个月内的风险价值。持有期的选择应依据所持有资产的特点来确定比如对于一些流动性很强的交易头寸往往需以每日为周期计算风险收益和VaR值，如G30小组在1993年的衍生产品的实践和规则中就建议对场外OTC衍生工具以每日为周期计算其VaR，而对一些期限较长的头寸如养老基金和其他投资基金则可以以每月为周期。
从银行总体的风险管理看持有期长短的选择取决于资产组合调整的频度及进行相应头寸清算的可能速率。巴塞尔委员会在这方面采取了比较保守和稳健的姿态，要求银行以两周即10个营业日为持有期限。
2、置信水平α。一般来说对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。选择较大的置信水平意味着其对风险比较厌恶，希望能得到把握性较大的预测结果，希望模型对于极端事件的预测准确性较高。根据各自的风险偏好不同，选择的置信区间也各不相同。比如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。
3、第三个系数是观察期间(Observation Period)。观察期间是对给定持有期限的回报的波动性和关联性考察的整体时间长度，是整个数据选取的时间范围，有时又称数据窗口(Data Window)。例如选择对某资产组合在未来6个月，或是1年的观察期间内，考察其每周回报率的波动性(风险) 。这种选择要在历史数据的可能性和市场发生结构性变化的危险之间进行权衡。为克服商业循环等周期性变化的影响，历史数据越长越好，但是时间越长，收购兼并等市场结构性变化的可能性越大，历史数据因而越难以反映现实和未来的情况。巴塞尔银行监管委员会目前要求的观察期间为1年。
综上所述，VaR实质是在一定置信水平下经过某段持有期资产价值损失的单边临界值，在实际应用时它体现为作为临界点的金额数目。

温馨提示：以上信息仅供参考。
应答时间：2021-11-29，最新业务变化请以平安银行官网公布为准。

5. 期货市场风险的预测和度量.VAR方法

一、VaR风险测量方法     风险测量的模型主要有两大类：参数模型和非参数模型。参数模型包括分析法的各类模型，利用了灵敏度和统计分布特性简化了VaR，但由于对分布形式的假定和灵敏度的局部特征，分析法很难有效处理实际金融市场的厚尾性和大幅度波动的非线性问题，因而会产生测量误差以及模型风险。非参数法包括历史模拟法和Monte Carlo模拟法，相对分析法来说，模拟法可以较好地处理非正态问题，是一种完全估计，可有效处理非线性问题。    １．参数法    分析法是VaR计算中最为常用的方法，它利用证券组合的价值函数与市场因子间的近似关系、市场因子的统计分布(方差-协方差矩阵)简化VaR的计算。分析法根据证券组合价值函数形式的不同，可分为两大类：Delta-类模型和Gamma-类模型。其中，Delta-类模型识别的是线性风险，Gamma-类模型可识别凸性风险，例如组合中含有期权类的衍生品。本文将采用Delta-类模型中的Delta-正态模型与Delta-GARCH模型进行分析。    ２．非参数法    （１）历史模拟法    最简单而又直观的方法就是历史模拟法，其核心就是根据市场因子的历史样本变化模拟证券组合的未来损益分布，用给定历史时期上所观测到的市场因子的变化，来表示市场因子的未来变化。然后，根据市场因子的未来价格水平对头寸进行重新估值，计算出头寸的价值损益变化。最后，在历史模拟法中将组合的损益从小到大进行排序，得到损益分布，通过给定置信度下的分位数求出VaR。    （２）Monte Carlo模拟法    由于分析利用了统计分布特征，如果市场存在厚尾性和大幅度波动的非线性问题，则风险测量偏差会比较大。Monte Carlo模拟是反复模拟决定金融工具价格的随机过程，每次模拟都可以得到组合在持有期末的一个可能值，然后进行大量的模拟，那么组合价值的模拟分布将收敛于组合的真实分布，然后根据置信度得到VaR。

6. 蒙特卡洛 模拟法 计算var 的公式是什么？

　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<VAR)=1-α 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。 

VAR的计算系数 
　　由上述定义出发，要确定一个金融机构或资产组合的VAR值或建立VAR的模型，必须首先确定以下三个系数：一是持有期间的长短；二是置信区间的大小；三是观察期间。 

　　1、持有期。持有期△t，即确定计算在哪一段时间内的持有资产的最大损失值，也就是明确风险管理者关心资产在一天内一周内还是一个月内的风险价值。持有期的选择应依据所持有资产的特点来确定比如对于一些流动性很强的交易头寸往往需以每日为周期计算风险收益和VaR值，如G30小组在1993年的衍生产品的实践和规则中就建议对场外OTC衍生工具以每日为周期计算其VaR，而对一些期限较长的头寸如养老基金和其他投资基金则可以以每月为周期。 

　　从银行总体的风险管理看持有期长短的选择取决于资产组合调整的频度及进行相应头寸清算的可能速率。巴塞尔委员会在这方面采取了比较保守和稳健的姿态，要求银行以两周即10个营业日为持有期限。 

　　2、置信水平α。一般来说对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。选择较大的置信水平意味着其对风险比较厌恶，希望能得到把握性较大的预测结果，希望模型对于极端事件的预测准确性较高。根据各自的风险偏好不同，选择的置信区间也各不相同。比如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。 

　　3、第三个系数是观察期间(Observation Period)。观察期间是对给定持有期限的回报的波动性和关联性考察的整体时间长度，是整个数据选取的时间范围，有时又称数据窗口(Data Window)。例如选择对某资产组合在未来6个月，或是1年的观察期间内，考察其每周回报率的波动性(风险) 。这种选择要在历史数据的可能性和市场发生结构性变化的危险之间进行权衡。为克服商业循环等周期性变化的影响，历史数据越长越好，但是时间越长，收购兼并等市场结构性变化的可能性越大，历史数据因而越难以反映现实和未来的情况。巴塞尔银行监管委员会目前要求的观察期间为1年。 

　　综上所述，VaR实质是在一定置信水平下经过某段持有期资产价值损失的单边临界值，在实际应用时它体现为作为临界点的金额数目。

7. 投资组合的VAR计算

VaR的字面解释是指“处于风险中的价值(Va1ue at Risk)”，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“在一个给定的时期内，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?”。用公式表达为：
    Prob(∧P>VaR)=1－c
    式中：∧P — 证券组合在持有期内的损失；
          vaR——置信水平c下处于风险中的价值。
以上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%(概率)，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”；或者说是：“明天该股票组合最大损失超过10000元只有5%的可能”。
为了加深理解，这里以中国联通股票为例予以说明。例如，过去250个交易日(2003.10.13～2004.10.21)，中国联通的日收益率在一7%和5%之间(见图8—3)。从日收益的频数图(见图8—4)中可以看出，日收益率低于一4%的有4次，日收益率在。和0.5之间的有41次等。在99%的置信区间下，也就是说250天中第2个最小收益率为一4.9%；在95%的置信区问
第八章金融工程应用分析329
下，即为250天中第7个最小收益率位于－3.5%至－4.0%之间，为－3.72%。因此，倘若投资者有1亿元人民币投资到中国联通这支股票上，则在99%的置信区间下，日VaR不会超过490万元，即一天内的损失小于490万元的可能性大于99%的概率；同样，在95%的置信区间下，日VaR为372万元。

8. MATLAB var历史模拟法

1.根据提出的问题构造一个简单、适用的概率模型或随机模型，使问题的解对应于该模型中随机变量的某些特征（如概率、均值和方差等），所构造的模型在主要特征参量方面要与实际问题或系统相一致     2 .根据模型中各个随机变量的分布，在计算机上产生随机数，实现一次模拟过程所需的足够数量的随机数。通常先产生均匀分布的随机数，然后生成服从某一分布的随机数，方可进行随机模拟试验。     3. 根据概率模型的特点和随机变量的分布特性，设计和选取合适的抽样方法，并对每个随机变量进行抽样（包括直接抽样、分层抽样、相关抽样、重要抽样等）。     4.按照所建立的模型进行仿真试验、计算，求出问题的随机解。     5. 统计分析模拟试验结果，给出问题的概率解以及解的精度估计。