VAR风险价值
《风险价值VaR》课件
Conditional VaR基于超过VaR的损失，并考虑了损失分布的非对称性和尾部风险。
总结
通过本课件，您掌握了VaR的概念、计算方法、优缺点以及应用和扩展领域，未来VaR将在风险管理中发挥更 重要的作用。
风险监控
通过定期计算VaR，可以及时 发现和监控风险暴露，并采取 相应措施进行风险控制。
VaR 的改进和扩展
1 Expected Shortfall
Expected Shortfall是VaR的扩展，它衡量了在损失超过VaR时的平均损失。
2 Event VaR
Event VaR着重考虑特定事件可能引起的风险，更加关注极端事件的可能性。
VaR的优缺点
1 优点
提供了对风险的度量，有助于风险管理和决策制定。
缺点
仅仅是对可能最大损失的估计，不考虑损失的分布形状和偏度。
VaR的应用
金融风险管理
VaR广泛应用于金融机构中的 风险管理部门，帮助评估和管 理金融风险。
投资组合管理
VaR可用于评估投资组合的风 险水平，并帮助投资者制定合 适的投资策略。
《风险价值VaR》PPT课 件
在这个PPT课件中，我们将深入介绍风险价值VaR的概念、计算方法、应用 及其未来发展趋势。掌握VaR将有助于更好地理解风险管理和投资组合管理。
什么是风险价值VaR?
风险价值VaR的定义
风险价值VaR是衡量金融资产或投资组合在给定置信水平和时间跨度下的最大可能损失。
VaR的三要素——置信水平、时间跨度、风险资产
VaR的计算需要确定置信水平（损失发生的概率）、时间跨度（计算损失的时间范围）和风 险资产（待测的资产或组合）。
VaR的计算方法
风险价值方法的原理及应用
风险价值方法的原理及应用1. 概述风险价值方法（Value at Risk，VaR）是一种衡量金融风险的方法。
它通过对风险进行量化，帮助机构和个人评估其金融资产和投资组合的可能亏损程度。
本文将介绍风险价值方法的原理，以及其在金融领域的应用。
2. 原理2.1 风险价值的定义风险价值是指在给定的置信水平下，投资组合或资产可能面临的最大亏损额。
例如，某个投资组合的VaR为1亿美元，置信水平为95%，则意味着在未来一段时间内，有95%的概率这个投资组合的亏损不会超过1亿美元。
2.2 风险价值的计算方法计算VaR可以使用多种方法，其中常见的有历史模拟法、参数法和蒙特卡洛模拟法。
2.2.1 历史模拟法历史模拟法基于过去的市场数据，通过观察历史上的市场价格波动，来估计未来可能的风险。
具体步骤如下： - 收集历史市场数据； - 计算投资组合每日收益率；- 根据收益率序列，计算投资组合的VaR。
2.2.2 参数法参数法将市场数据拟合成一个特定的数学模型，用模型的参数来描述市场的风险特征。
常用的参数法包括正态分布法、t分布法和对称分布法。
具体步骤如下：- 选择合适的概率分布； - 估计模型的参数； - 基于参数估计，计算投资组合的VaR。
2.2.3 蒙特卡洛模拟法蒙特卡洛模拟法通过生成大量的随机数样本，模拟市场未来的价格走势，从而计算投资组合的VaR。
具体步骤如下： - 确定模拟的时间段； - 确定每个时间段的模拟次数； - 对每个时间段进行模拟，得到投资组合的收益率； - 根据收益率序列，计算投资组合的VaR。
3. 应用3.1 风险管理风险价值方法在金融机构中广泛应用于风险管理。
通过计算投资组合的VaR，机构可以识别和控制其暴露于市场风险的程度，从而采取适当的风险对冲和风险控制措施。
3.2 风险度量风险价值方法也用于对不同投资组合的风险进行比较和评估。
通过计算不同投资组合的VaR，可以直观地了解不同组合的风险水平，帮助投资者进行风险的选择和平衡。
风险价值var计算例题
风险价值var计算例题风险价值（Value at Risk，VaR）是金融风险管理中常用的一种风险度量指标，用于衡量投资组合或资产在给定时间段内可能面临的最大损失。
VaR的计算方法有多种，其中最常用的是历史模拟法和蒙特卡洛模拟法。
历史模拟法是通过分析历史数据来估计资产或投资组合的风险价值。
这种方法假设未来的风险情况与过去的风险情况相似，因此通过对历史数据进行统计分析，可以得到一定的风险价值估计。
例如，假设我们要计算某个股票投资组合在未来一天内的VaR，我们可以利用过去一段时间的日收益率数据，计算出该股票组合的标准差和均值，并根据正态分布假设来计算出相应的VaR。
蒙特卡洛模拟法是另一种常用的VaR计算方法，它通过随机模拟的方法来估计资产或投资组合的风险价值。
该方法假设风险因素是随机的，因此通过多次模拟并观察模拟结果，可以得到一定的风险价值估计。
例如，我们可以通过模拟股票价格的随机波动来估计投资组合的VaR。
具体步骤包括生成随机数、根据随机数和历史数据计算未来价格，并重复该过程多次以得到一系列模拟结果，最后根据这些结果计算出VaR。
需要注意的是，VaR是一种风险度量指标，它只能给出在给定置信水平下的最大可能损失，而不能给出损失的概率分布。
此外，VaR的计算结果还受到多种假设和参数选择的影响，因此在使用VaR时需要谨慎对待。
为了增加风险度量的准确性，一般还会使用其他方法和指标来进行辅助分析，例如条件风险价值（Conditional Value at Risk，CVaR）等。
总之，风险价值（VaR）是一种常用的金融风险度量指标，可以帮助投资者和金融机构评估资产或投资组合面临的风险水平。
不同的计算方法可以用于估计VaR，其中最常用的是历史模拟法和蒙特卡洛模拟法。
然而，VaR的计算结果需要谨慎对待，并且通常需要结合其他方法和指标进行综合分析。
风险价值
什么是风险价值？
风险价值(VAR)根据一个事先设定的统计概率计算一段特定时间内可能产生的的最大损失。
比如说，一个投资组合的风险价值是200万美元，收平日为一周，概率是5%，这就是说，在一周后，有5%的概率该投资组合的价值比当前价值减少，且减少幅度大于200万美元。
如果要对一个投资组合的风险有全面的认识，就必须知道该投资组合的所有可能的收益率及相应概率。
风险价值(VAR)的特点是在计算各种收益率的概率分布时，选择一个百分比分界点，对于高于或低于该分界点的收益率都忽略不计。
通常，作为分界点的概率值较小，所以，使用风险价值(VAR)来衡量的损失程度从概率的角度看，发生的可能性是很小的，但是又？？完全不可想象的。
彭博将投资组合中所有可能的收益率纳入运算模型，并且在您选择的分界点基础上计算风险价值(VAR)。
虽然使用风险价值(VAR)的目的在于决定一个收平期间内某个特定概率的最大可能损失，但是并没有一种统一的计算方法。
每种模型都有些细微的不同，这些不同之处对于最后的结果有很显著的影响。
如果要计算一组证券的风险价值(VAR)，必须有两组数据：1）根据引申波动率或历史波动率得到的各证券未来价格的变化区间；2）该组证券的相关系数矩阵。
未来价格区间的建立依据是某个特定期间的历史波动率或者是蒙特卡罗模拟法。
彭博使用的是前一种方法。
由于J.P.摩根在RiskMetrics™中使用了该方法，使用历史波动率来推算未来的证券价格区间已经被广为接受。
通过检验历史分类相关系数并将它们应用到分类证券中，就可以建立相关系数矩阵。
键入VOL<GO>，显示彭博与J.P.摩根使用的波动率和相关系数。
风险价值(VaR)
2 2 2 = w1β1σ p + w2 β 2σ p + w3 β 3σ p
因此，对VaR也可以有如下分解
VaR = w1β1VaR + w2 β 2VaR + w3 β 3VaR
因此，要求出成分VaR，只需求出β1，β2，β3
βi =
COV ( Ri .R p )
2 σp
β1 COV ( R1 .R p ) 2 ∑ ×ω β 2 = COV ( R2 .R p ) / σ p = 2 σp β COV ( R .R ) 3 p 3
options tFra bibliotek≈ L*R
asset t −1 options t −1
asset t
p L=∆ p
期权风险价值的计算
期权的风险价值等于 期权初始价格 × 期权收益率相应的分位数 ˆ + Φ −1 (α )σ )) ˆ ＝ − Pt −1 * ( L * ( µ ˆ ˆ ＝ − St −1 * ∆ * ( µ + Φ (α )σ )
一.风险价值概念
• 初始投资额 W ，期末资产价值W，持有期的收益 0 率R，因此 W = W0 (1 + R )
• 期末价值是W * 时的收益率满足：W * = W0 (1 + R* ) • 风险价值的定义为：VaR=W0 − W * = − W0 R* • 只要求出投资收益率的相应概率下的分位 数，然后乘以初始投资额，即可计算风险 价值。
100 × 5% = 5 个数，即 R(5) 。
因此使用历史模拟法估计风险价值的一般公式是： 假设有 n 个收益率，第 K 个最小收益率 K = n × α , VaR = − S × R( K ) 。 如果计算出的 K 不是整数，可以按照下面的公式计算相应的分位数：
VAR在险价值的名词解释
VAR在险价值的名词解释VAR是Value at Risk的缩写，其在金融领域中被广泛应用，为投资者提供一种度量投资风险的方法。
VAR用于评估一个投资组合或资产的最大可能亏损金额，以一定的置信水平作为依据。
VAR能够帮助投资者理解和控制投资风险，从而作出更加明智的投资决策。
自20世纪90年代以来，VAR逐渐成为金融市场中风险管理的主要工具。
VAR的计算基于统计模型，通过对历史数据进行分析，以确定资产价格或投资组合未来价值的潜在波动。
VAR可用于不同类型的资产，包括股票、债券、商品、外汇等。
VAR通过确定不同的置信水平来度量风险，常见的置信水平包括95%和99%。
95%置信水平意味着在一定时间段内，风险超过VAR值的可能性为5%。
而99%置信水平意味着风险超过VAR值的可能性仅为1%。
投资者可以根据自身的风险承受能力和投资目标来选择适合的置信水平。
VAR的计算可以使用多种方法，常见的包括历史模拟法和蒙特卡罗模拟法。
历史模拟法基于过去数据的统计分析来估计未来的风险水平。
这种方法的优势在于计算简单，但缺点在于对未来环境变化的适应性较差。
蒙特卡罗模拟法则基于随机模拟的方法，可以更好地考虑不同因素的相互作用和未来环境的不确定性。
VAR作为一种风险度量方法，对于投资者来说具有重要的意义。
它帮助投资者了解自己投资组合的潜在亏损风险，从而在投资决策时有一个更加清晰的认识。
通过计算VAR，投资者可以根据自身的风险承受能力和投资目标来制定合理的风险控制策略。
然而，VAR也存在一些局限性。
首先，VAR是基于历史数据的分析，忽略了未来可能发生的新事件和变化。
其次，VAR假设资产收益率的分布是对称的，但实际上市场的波动具有一定的非对称性。
此外，VAR计算结果可能受到模型选择和参数设置的影响，需要投资者不断优化和调整。
虽然VAR存在一些不足，但作为一种金融风险管理的工具，它在帮助投资者量化风险、制定风险控制策略方面仍然具有重要的意义。
var的计算方法
var的计算方法
VaR（Value at Risk）即风险价值，是指在一定的置信水平下，某一金融资产或证券组合在未来特定的一段时间内的最大可能损失。
VaR的计算方法主要有以下几种：
1.历史模拟法：这种方法基于历史数据来估计资产组合未来价值的变动。
首先，确定可能影响资产组合价值的因子，然后利用这些因子在过去一段时间内的变动情况来推算资产组合在同一时期的价值变动。
最后，将这些价值变动按大小排序，确定在给定置信水平下的分位数，即VaR。
历史模拟法是一种直观且简单的方法，不需要假设或设定ΔΠ（资产组合价值的变化）的分布。
2.模型设定法：这种方法需要事先设定ΔΠ的分布，并基于历史数据来估计该分布的具体参数，进而得到分位数作为VaR的值。
模型设定法可以分为蒙特卡罗模拟法和参数正态法。
蒙特卡罗模拟法假设影响资产组合价值的风险因子服从联合正态分布，然后根据历史数据来估计这个联合正态分布的参数。
通过抽样和模拟计算，可以得到资产组合价值变化的样本值，进而得到ΔΠ的模拟概率分布。
3.参数法：这种方法不是从经验分布中求分位数，而是基于某种理论或假设来确定ΔΠ的分布。
例如，假设ΔΠ服从正态分布，那么VaR就可以通过投资组合的标准离差和置信水平来确定。
总的来说，选择哪种方法取决于具体的情况和需求，包括数据的可用性、模型的假设和准确性等因素。
在实际应用中，可能还需要结合多种方法来得到更准确和可靠的VaR估计值。
风险价值名词解释
风险价值是金融领域中常用的风险度量指标，用于衡量在一定的置信水平下，投资组合或资产可能遭受的最大预期损失。
VaR可以帮助投资者、金融机构和风险管理团队评估风险暴露，并制定相应的风险管理策略。
具体而言，风险价值指标将风险量化为一个特定的数值，表示在给定的时间段内，特定置信水平下可能出现的最大损失金额。
例如，一个10%的一日95% VaR为100万美元，意味着在未来一天内，有95%的置信水平使得投资组合的损失不会超过100万美元。
风险价值的计算通常基于历史数据或统计模型，并结合置信水平和时间段的选择来确定风险度量的精度。
常见的计算方法包括历史模拟法、蒙特卡洛模拟法和参数法等。
这些方法考虑了投资组合或资产的收益分布、相关性和波动性等因素，以评估可能的损失范围。
需要注意的是，风险价值是一种度量风险的方法，但它并不能完全预测未来的损失。
它基于历史数据和假设，无法考虑到突发事件和极端市场情况。
因此，在使用风险价值进行风险管理时，还需要结合其他风险指标和方法进行综合评估和决策。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
VaR（Value at Risk）一般被称为“风险价值”或“在险价值”，指在一定的置信水平下，某一金融资产（或证券组合）在未来特定的一段时间内的最大可能损失。
假定JP摩根公司在2004年置信水平为95%的日VaR值为960万美元，其含义指该公司可以以95%的把握保证，2004年某一特定时点上的金融资产在未来24小时内，由于市场价格变动带来的损失不会超过960万美元。
或者说，只有5%的可能损失超过960万美元。
与传统风险度量手段不同，VaR完全是基于统计分析基础上的风险度量技术，它的产生是JP摩根公司用来计算市场风险的产物。
但是，VaR的分析方法目前正在逐步被引入信用风险管理领域。
基本思想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”。
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*）③R*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。
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。
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）一．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（图1，见例1）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*二.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。
根据古德哈特等人研究，计算VaR值三种方法的基本步骤及特征如下表。
.风险估价技术比较分类步骤HSM VaR—Cov Monte—Carlo⒈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排列资产组合顺序，选择刚好在1%或5%概率下刚≥1的那一损失用2.33（1%）或1.65（5%）乘以资产组合标准差排列资产组合顺序，选择刚好在1%或5%概率下刚≥1的那一损失模型应用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（如图）。
从图中可看出，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。
结果如图1。
从图1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)=0.972445W(深证成指)=0.978764W(上证综指)=0.970279W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 <W0.05 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<X<μ+1.65σ)=0.90，再根据正态分布的对称性可知P(X<μ-1.65σ )=P(X>μ+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。