作为最常见的风险测度指标之一，VaR非常容易和只有大小写差别的var（方差）混淆，笔者刚读本科的时候就经常犯这样的错误，完全不能理解教科书里专门拿出一章来教大家算方差是为了什么，更可怕的是这个计算 *** 和普通的方差公式还不一样，于是年幼无知的我常常在漫漫长夜中，陷入深深的困惑。
事实上，VaR是Value-at-Risk的简称，中文翻译为在险价值，它衡量的是在一定的概率条件下我们会面临的更大损失。与这个概率相对应的概念叫做置信度，置信度是一个统计概念，它表示被测量的数据的可信程度。比如我们说一个日均VaR在95%的置信度水平上的值是100万人民币，它所传达出的含义是，在100个交易日里，我们可以认为自己最多有5个交易日的损失会超过100万。因此，用置信度乘以100其实就可以得到我们的损失分布，而且值得一提的是，依据这个分布，我们可以发现，正的VaR表示我们可能遭遇的更大损失，而负的VaR则表示了我们可能获得的最小收益。通常来说我们在计算时会自己选择置信度水平，一般区间是从95%到99%。
VaR真正成为一个流行的指标，其实是从上个世纪90年代开始的，其中公认的开创者是JP摩根在1994年提出的RiskMetrics model，虽然这个模型的功能和效用引发了大量的讨论，但是从此之后VaR被大量研究作为一个重要的预测 *** ，来讨论信用风险、操作风险、流动性等问题。
比起其他常用的风险衡量指标，比如方差等，VaR其实把风险与收益之间的关系表述得更直观，在前面的含义解释里我们也能看到这一点。因此对于投资者而言，这个指标有着非常大的吸引力，因为它用最简单的 *** 诠释了可能遭遇的损失，并且这样的诠释并不只局限于一种资产，因此无论你是多头还是空头，持有的是股票还是债券，VaR都可以对你面临的个体风险水平做出统一表述。而基于概率的描述方式也可以给投资者一个对可能的收益非常直观的感受，这种类似情景分析的呈现方式很方便大家向老板汇报工作，老板也更清楚你到底在干些什么。
当然VaR绝不是一个尽善尽美的指标，它的缺陷是显而易见的。就拿之前的例子来说，我们可以通过VaR评估100个交易日里你有95个交易日的损失都不会超过100万，但是对于剩下的5天，我们就是两眼一抹黑了，而这也就是所谓的尾部风险，我们无法度量极端情况下会发生什么事情，尽管我们不认为极端事件会经常发生，但是我们同样也愿意接受发生极端事件时什么都是不可控的情况，这也是VaR本身最被诟病的一点。
而VaR的另一个问题在于它不满足我们认为风险指标必须具备的次可加性。次可加性看上去是一个不太容易理解的概念，我可以这样解释：如果我们持有贵州茅台发同时持有工商银行，那么我们这个组合总风险不会高于分别持有两种股票的风险之和。似乎有点拗口，用这个式子表述就很清晰了：
次可加性实际上非常符合我们分散投资的理念，但是这一点对于VaR的测量 *** 来说却是难以实现的。继续举例子，假如我们买贵州茅台和工商银行都分别有99.1%的可能会损失100万，0.9%的可能性会损失1000万，假如置信度取到99%时，我们可以计算得到两只股票自己的VaR都是100万，但是当我们以组合的方式来计算VaR时，假如我们持有同样份额的贵州茅台和工商银行股票，组合在99%的水平上的VaR就变成了1100万，这远大于两只股票各自VaR的和，也就是说，在VaR的语境下，我们进行分散投资反而恶化了投资结果。
投资标的99%置信度下VaR值工商银行100万贵州茅台100万工商银行+贵州茅台1100万于是这就衍生出一个问题，既然VaR有这么多问题，那么我们为什么还要用它呢？首先我们需要澄清一下，尽管VaR在实际应用中是一个不甚清晰的测量结果，但是这并不妨碍我们对其加以应用。比如我们可以将其作为固定情景的一种测算手段，当我们有明确的收益分布曲线或者投资者的效用函数的时候，VaR值会有很好的参考意义，这也就意味着，我们可以把VaR *** 应用到各式各样的特殊情境中作为情景测试的工具，和其他指标一起来综合给我们提出参考意见，或者说，VaR本身是我们试图用概率描绘这个世界可能性的一种方式。而基于VaR，我们又提出了一些新的测量 *** 比如CVaR、ES等等来规避VaR中存在的问题，而这也将是我们下一讲的内容。
