摘 要：VaR风险价值方法是上世纪90年代以后发展起来的新型风险管理工具,作为一种金融风险测量和控制的模型,它简单易操作,应用范围广,相比于传统的金融风险管理模型,具有更高的使用价值。目前VaR方法是最先进的风险测量技术而在金融风险测量领域广泛应用，但是在我国金融领域，VaR方法目前仍处于理论探索、模型建构的起步阶段。如何构建VaR风险测量系统、将其投入金融实践中是我们面临的重大课题，本文通过对VaR方法的分析并结合我国金融领域的具体情况，对VaR方法在我国金融领域的应用进行初步探讨，以期能对我国金融风险领域VaR方法的使用有所助益。
关键词：VaR方法 金融风险
VaR测量风险方法是当代世界上最先进的风险测量技术，其最大特点是测量风险模型化，并结合计算机技术形成系统，因而该方法也被称为VaR测量技术。从当前的情况来看，测量风险发展的重点在于以下几个方面:(l)将VaR用于投资决策，从而产生最优VaR、边际VaR、成分VaR和增量VaR等概念，创新投资决策的新方法;(2)借鉴VaR测量方法，开创CaR(在险资本)的研究;(3)突破金融领域的限制，将VaR测量技术延伸到实业界:(4)VaR测量系统产品化，并进行商业化运作，开辟中介业务的新领域。
目前，VaR方法以综合衡量风险的功能被广泛地应用于风险管理的实践，并受到巴塞尔委员会的认同和赞赏。随着中国开放的进一步发展，中国金融机构在风险衡量和管理上必将与世界接轨，VaR测量风险方法在我国也必将成为最核心的风险测量技术。
一、我国证券市场的波动性和收益的概率分布
波动性是证券市场的主要特征;而且，波动性和收益分布的确定是计算VaR值的核心内容之一。为此，我国金融理论界的学者进行了大量实证分析，这为建立计算VaR值的模型提供了重要的理论支持。下表列举了我国部分学者针对证券市场的波动性和概率分布所得出的实证结论。
从文献的结论可以看出，我国的股票市场具有从集现象，即存在异方差，这意味着在模型选择中用GARCH模型或指数移动平均模型估计方差更符合市场实际;更有甚者的结论证明了方差不存在，这表明刻画波动性的随机模型更复杂。异方差的结论说明我国股市的波动极不规则。从股票市场的收益分布来看，存在着细腰后尾现象，即非正态分布。这表明极端值出现的概率较大，会使从以值在正态假设下被低估，这一问题应该在VaR建模中引起高度重视。
二、VaR测量方法在我国的应用研究
1.数据匾乏
波动性的测量和收益分布的确定需要大量的历史数据。目前，我国的金融市场还处于发展阶段，金融产品品种少，其中最适用姚沮测量的资产组合是股票和债券。
然而，我国的股票市场从成立到现在也只有十余年的历史，而且很多股票还是在最近几年的扩容过程中才上市的，交易的数据非常有限。特别是由于股票市场的不规范，新上市的股票容易成为被炒作的对象，升值的潜力很大，往往在投资组合里占有较大的比重，这就使得对新上市股票占有较大比重的投资组合运用VaR方法测量市场风险因数据不足而变得非常困难。此外，按巴塞尔委员会对金融机构使用VaR度量风险的要求，VaR模型的有效性必须进行返回检验，即运用历史数据多次输入模型，并将得出的结果与预测的VaR值比较，这样，返回检验所需要的历史数据更多。由此可见，数据匾乏就成为我国证券市场运用VaR衡量金融风险的最大制约因素。
2.定价问题
资产定价是VaR模型得以实施的关键，这是因为VaR测量风险方法需要一个关键技术即映射，而映射实际上是资产对市场因子的定价问题。按照外国的经验，市场因子越多，VaR值的估计就越精确，但也会带来巨大的计算成本。以形skirnetrics为例，仅固定收益类资产就确定了15个市场因子，即15个不同期限的到期收益率。由于中国股票目前不适用CAPM模型，这使得中国股票市场在确定市场因子时变得很复杂。多项实证表明，中国股票的定价更适用多因素模型，即股票的价格不仅取决于股票价格指数，而且受公司规模等多种超市场因素的影响，这些影响因素都可视为模型因子，因此，建立多因素模型己成为我国开发测量VaR系统的关键。
3.VaR在我国应用的可行性研究
我国是一个新兴的金融市场国家，诸如数据匾乏和定价问题使得我国开发像发达国家那样复杂的VaR模型变得非常困难。但是，也正因为我国的金融市场刚刚起步，金融产品品种稀少，使得我国投资机构的组合所包含的种类有限，这又为我国开发适合我国实际情况的VaR模型带来极大便利。由于金融产品品种稀少，我国投资组合所包含的资产类别不过是国债和股票，这将有利于姚以模型中市场因子的选择。从债券来看，我国组合里的品种种类主要是国债，而且国债的品种少，这就可以省去市场因子选择过程，可直接用国债的期限结构作为市场因子建模。从股票来看，由于我国的投资组合大都较小，组合里的品种有限，因而可将股票本身的收益率当作市场因子来建模。至于新上市股票的历史数据不足问题，可用市场上与其相似的股票作为其近似的代表，从而计算出组合的VaR值。等到条件成熟以后，可以考虑从下面两个系统来生成VaR:第一个系统是按本章第二节所述的方法形成多因素模型，从而确定市场因子;第二个系统是测量VaR系统，其具体模型可按下面的讨论进行选择。由此可见，在我国证券市场建立VaR模型在技术上是可行的。
4.模型的选择研究
从参数的选择来看，为便于反映新股比重较大的投资组合的市场风险和便于返回检验，在历史数据不足的情况下，VaR模型的持有期限不宜过长，置信水平也应定在比较低的水平。按发达国家的经验，置信水平的选择范围是95%~99%，在我国目前阶段以定于下限为宜，即95%。从模型的选择来看，由于我国收益分布的非正态特征，正态发布假定会严重低估极端条件下的VaR值，为此，我国理论界提出了用具有厚尾特征的概率分布函数模型去解决厚尾问题，如t分布、混合正态分布、极值分布等。其中，极值分布作为一种非参数估计方法，只研究极端值的分布情况，可以在总体分布未知的情况下，依靠样本数据，得到总体中极值的变化性质，因而，在理论界大都建议用极值理论去建立VaR模型。就模拟法而言，由于历史数据的不足和我国股票市场波动的不规则(即异方差现象和方差不存在现象，“历史再现”的假设难于成立，随机过程模型的确定也有待市场
