001475基金是投资什么的?未来收益预测怎么样呢?
股票投资策略
一、行业配置策略 国防军工行业根据产品或服务类别的不同,可划分为不同的细分子行业。本基金将综合考虑以下因素,进行股票资产在国防军工各细分子行业之间的配置。
1)国家军费投向 国家军费投向影响国防军工各细分子行业的景气度,进而影响国防军工各细分子行业的成长性。本基金将对国家军费投向进行持续跟踪研究,适时对国防军工行业各细分子行业的景气度变化情况进行研判,超配国家军费重点投向的细分子行业。
2)行业格局 国防军工行业各细分子行业的行业格局不同,导致各细分子行业的竞争结构和盈利能力存在较大差异。本基金将重点投资行业壁垒较高、集中度较高、议价能力较强的细分子行业。
3)政府政策 国防军工行业受政府政策影响较大。本基金将通过对政府政策的分析研究,把握政府政策趋势,重点投资受益于政府政策的细分子行业,特别是符合政策方向的、优质的民营军工企业。
二、个股选择策略 本基金主要通过考虑以下因素对国防军工行业上市公司的投资价值进行综合评估,精选具有较强竞争优势的上市公司进行投资。
1)研发能力 公司研发能力较强,能够根据市场需求变化不断对原有产品进行改进或开发新产品,以保持市场占有率和盈利能力。
2)管理能力 公司已建立起成熟的管理体系,较同行业企业具有竞争优势。
3)运营效率 公司运营效率较高,总资产周转率、存货周转率、应收账款周转率等指标良好。
4)成长潜力 公司成长性较高,预期营业收入增长率或预期利润增长率高于行业平均水平,且具有可持续性。
5)盈利能力 公司盈利能力较强,预期营业利润率或预期净资产收益率高于行业平均水平,且未来提升潜力较大。
6)财务结构 公司资产负债结构相对合理,财务风险较小,不会对公司未来业务扩张带来负面影响。
三、估值水平分析 本基金将根据上市公司的行业特性及公司本身的特点,选择合适的股票估值方法。可供选择的估值方法包括市盈率法(P/E)、市净率法(P/B)、市盈率-长期成长法(PEG)、企业价值/销售收入(EV/SALES)、企业价值/息税折旧摊销前利润法(EV/EBITDA)、自由现金流贴现模型(FCFF,FCFE)或股利贴现模型(DDM)等。 通过估值水平分析,基金管理人力争发掘出价值被低估或估值合理的股票。
四、股票组合的构建与调整 本基金将根据对国防军工行业各细分子行业的综合分析,确定各细分子行业的资产配置比例。在各细分子行业中,本基金将选择具有较强竞争优势且估值具有吸引力的上市公司进行投资。当各细分子行业与上市公司的基本面、股票的估值水平出现较大变化时,本基金将对股票组合适时进行调整。
五、债券投资策略
在债券投资方面,本基金将主要通过类属配置与券种选择两个层次进行投资管理。在类属配置层次,本基金结合对宏观经济、市场利率、供求变化等因素的综合分析,根据交易所市场与银行间市场类属资产的风险收益特征,定期对投资组合类属资产进行优化配置和调整,确定类属资产的最优权重。 在券种选择上,本基金以长期利率趋势分析为基础,结合经济变化趋势、货币政策及不同债券品种的收益率水平、流动性和信用风险等因素,实施积极主动的债券投资管理。
关于基金收益/亏损的计算，请大家帮忙计算一下。 在线等，谢谢~~
1.02的净值花了5000块钱购买，大约能买到4830份差一点。姑且算4830份吧。
07年9月份的时候有分红，不能可能是10元派14元，而是每10份派14元。4830份能分到14X483=6762元。等于已收回6762元现金。现在的净值是0.7190，如果还是4830份，大致价值
就是0.7190 x4830=3472.77.
3472+6762无论如何是赚了不少钱的。
有几点要注意
1.申购费1.5%，手续费绝不是简单的5000X1.5%。
2007年3月，中国证监会基金部给所有基金管理公司和基金托管银行下发通知，要求基金管理人在通知下发之日起，按照“外扣法”对所管理的基金认(申)购费用及认(申)购份额的计算方法进行调整
外扣法”的具体计算公式如下：净申购金额＝申购金额/（1＋申购费率）
申购1000元基金手续费计算：申购=1000元-1000元/(1+1.5%)=14.78元，
如果是07年3月前买的，就比较麻烦，没有统一标准，有可能是内扣法，5000x1.5=75元
2管理费：1.5%不直接向客户收取，基金公司从该总资产里面扣除
3，赎回费0.5%，由于你已经持有三年甚至四年，可查询该基金费率，正常情况超过3年应该可以免除
4，基金在几年期间多次分红、派现，查询你的账户分红多少就可，计算时加上每次分红的现金最后加上赎回的市值就是你的总资产
5基金赎回采取“未知价格法”，不可能以昨日净值赎回，赎回具体数值只能估算，不可能精确计算
基金择时能力是什么?
1.现金比例变化法
使用现金比例变化法时，成功的择时能力表现为在牛市中基金的现金比例或持有债券比例较小，而熊市中现金比例或持有债券比例较大。
择时损益=(股票实际配置比例-正常配置比例)*股票指数收益率+(现金实际配置比例-正常配置比例)*现金收益率
例如，某季度上证指数上涨20%，现金收益率为1%，基金契约规定股票投资比例为85%，现金或债券投资比例为15%，但基金的实际股票投资比例为70%，实际现金或债券投资比例为30%，那么基金的择时损益=(70%)*20%+(30%)*1%=-2.85%。结果为负，可见该基金因为其错误的择时活动导致了投资的损失。
2.成功概率法
成功概率法主要是通过计算基金预测牛熊市的成功概率来对基金择时能力进行衡量的方法。
成功概率=(正确预测到牛市的概率+正确预测到熊市的概率-1)*100%
举例来讲，30个季度里有20个季度市场上涨，10个季度市场下跌。在市场上涨的季度中，某只基金择时损益为正的季度数有15个;在市场下跌的季度中，择时损益为正的季度数有8个。那么成功概率=(15/20+8/10-1)*100%=55%，结果明显大于0，可见这只基金具有较强的择时能力。
3.二次项法
二次项法，即T-M模型，具体模型如下：
成功的市场选择者能够在上涨市场中提高其组合的贝塔值，而在市场处于下跌状态时降低组合贝塔值。如果>0，表明基金经理具有成功的市场选择能力。
4.双贝塔方法
双贝塔方法基于这样一个假设，在具有择时能力的情况下，组合的贝塔值只取两个值，即牛市贝塔取较大的值，熊市取较小的值。
如果为正，则说明存在择时能力。
5.C-L模型
指标反映的是基金经理能否正确预测市场收益与无风险收益之间的正负差异(即能否正确预测多头或空头市场)，而后相机调整投资组合的贝塔值，从而在不同市场环境下取得较好收益。
依据资本资产定价模型(CAPM)，在空头市场时，，在多头市场时，。通过对C.L。指标进行检验，可以判断基金经理的择时能力。若C.L。指标大于0，则基金投资组合在市场超额收益为正时保持较大的贝塔值，从而提高收益;在市场超额收益为负时保持较小的贝塔值，从而减少损失。C.L。指标越大，表明基金择时能力越强。
四种基金绩效评价法
基金绩效评价是一个复杂的问题。它不仅涉及到衡量绩效的客观有效的度量方法，也关系到基金绩效的持续性和业绩归因分析等多方面的因素。从目前的情况看，我国在基金绩效评价方面的研究依然非常薄弱，不仅在理论研究上还基本停留在国外90年代的理论水平，在实证研究上也比较缺乏。
国外近几十年的理论研究和实践表明，数量分析的方法被大量地引入基金绩效评价。随着现代金融理论的不断发展，基金绩效评价在理论研究的指导下进行了许多实证分析，而实证分析的结果又反过来对相关的金融理论和假设进行了验证。事实上，许多在金融投资理论界存在争议的假设依然能够在基金绩效评价的领域发现其踪迹。
国外对基金绩效评价研究有着长期的历史、较为完善的理论体系和大量的实证研究，而我国目前还基本处在开始的阶段。这是因为证券投资基金在我国的时间较短，即使以90年代初期各地不规范设立的基金（如蓝天基金、天骥基金和广发基金等）算起，也不过10余年的时间。若以1998年3月第一只封闭式基金（基金金泰、基金开元）成立算起也仅几年的时间。由于封闭式基金的基金规模（份额）并不随基金绩效发生变动，封闭式基金的发行长期处于超额认购的局面，加之持有人主要是通过封闭式基金的交易获取价差收益而不是通过净值增长获得资本利得，因此无论是管理公司、持有人、监管层和独立第三方对基金绩效评价的研究并不系统和深入。从2001年华安基金公司在中国市场发行了第一只开放式基金起，截至2005年12月28日，共有217只证券投资基金正式运作，其中开放式基金163只，封闭式基金54只。按照证监会11月底的统计数据，目前证券投资基金的净值规模已经达到5000亿元；共有52家基金管理公司，其中正式管理基金的是49家；与迅猛增长的基金市场相比，我国在基金绩效评价的理论研究和实证分析方面还远远落在后面。
国外的绩效评价具有较长的历史。60年代资产组合理论、资本资产定价模型和股票价格行为理论，奠定了现代基金评价理论的基石。特别是Sharpe/Lintner的资本资产定价模型（CPAM），更是基金绩效评价的基础。Treynor、Sharpe和Jensen几乎同时分别提出了经过风险调整后的基金绩效评价方法，这才使绩效评价能够在同样的风险水平上进行比较。尽管他们在衡量风险的指标选取上有所不同（Sharpe指数采用的是全部风险）。CPAM模型历史久远而且目前仍被广泛应用（例如Malkiel，1995和Ferson、Schadt，1996）。不过这个理论也遭到了强烈的反对（RichardRoll1977，1978，AdmatiandRoss，1985，和DybvigandRoss，1985a，b）。例如，使用证券市场线来进行绩效评价是“不确定的”。使用这种方法来判断绩效有时会被视为“无望的”（AdmatiandRoss，1985，p.16）和“总体而言任何事情皆有可能。”（DybvigandRoss，1985a， p.383）
针对上述的批评，又有一些改进的指标被提出。例如信息率，即是改进的詹森指数，通过单位非系统风险的超常收益率对基金投资业绩进行评价。1997年诺奖得主FrancoModigliani和其孙女LeahModigliani把国债引入证券投资的实际资产组合，构建一个虚拟的资产组合，使其总风险等于市场组合的风险，通过比较虚拟资产组合与市场组合的平均收益率来评价基金业绩，该种方法被命名为M2.
2000年Muralidhar认为Sharp值、信息率、M2法不足以有效地进行组合构建和基金业绩排序，问题的关键在于对组合和基准之间标准差的差异调整不够，并且忽略了“组合和基准的相关性”常导致错误排序和评价。鉴于此，Muralidhar提出了M3测度方法。Stutzer（2000）在损失厌恶理论基础上，假定投资者选择最大可能地回避风险，从而构建了一个新的评价指标，即衰减度（ProbabilityofDecayRate），该指标最大的特点在于允许收益率收敛于各种分布。当收益率收敛于非正态分布式衰减度对于偏度和峰度敏感性较高，正偏度的基金风险趋小。
此外，证券选择和时机选择、业绩归因、绩效的持续性、基金风格、绩效评估的一致性、基准组合的有效性和资产配置分析等方面，也是国外近期基金绩效评价研究的热点。
Treynor＆Mazuy（1966）首次提出的二次方程模型（T-M模型）可以用来检验基金经理的择时能力。择时能力是指基金经理预测风险资产的收益高于或低于无风险利率的能力。Heriksson＆Merton（1981）则提出在CPAM模型中增加一个二项式随机变量，称之为双β模型（H-M模型）。Bhattacharya＆Pfleiderer（1983）对H-M模型的研究表明，经过他们改进后的模型可以判断基金经理是否正确地利用了正确的信息。Connor＆Kora jczyk（1991）的研究表明在基金组合与市场收益率之间有协偏度（Co-skewness）时，T-M和H-M模型会得到错误的结论。Grinblatt＆Titman（1989，1994）针对这种情况提出了PositivePeriodWeightingMeasure（PPW）的模型，此模型通过计算期内各时期的超额收益率的加权收益率，给出了择股和择时能力的综合检验结果。此外，Chang＆Lewellen（1984）基于APT模型提出了一种新的检验方法。引入变量β1和β2，通过计算它们的差来判断资产管理人的择时能力。
Fama（1972）最早对基金绩效进行了归因分析，并提出了著名的Fama模型。Fama的模型建立在CAPM模型有效的前提上，他将资产组合的超额收益率分为“选择回报”（由分散回报和净选择回报组成）和“风险回报”（由投资者风险回报和经理人风险回报组成）两部分。Brinson，Hood＆Beebower（1986）提出的BHB模型则将资产组合与基准组合的差异归因于择时、择股和交互作用三类。但他们的研究结果也遭到了许多批评，如Hensel，Ezra＆Ilkiw（1991），JohnNuttall（1998）等。
绩效的持续性是绩效评价的又一个主要研究方面。如果基金绩效是持续的，则绩效评价的结果对投资者而言是具有实际应用意义的。尽管关于绩效持续性的研究常常是相互矛盾的，不过近来众多的研究比较倾向于认为基金的绩效具有较为显著的持续性。如Brown＆Goetzmann（1995）认为基金“短期内”具有持续性。比较常用的检验方式有半期平均秩差检验法和交叉积比率（CPRCrossProductRadio）法。半期平均秩差检验法是通过将基金按时间分为前后时间相等的两部份，并分别计算其秩。如果这两段的秩相等，则表明该基金的业绩在全部基金的排名保持稳定状态，其业绩具有长期的稳定性。CPR法是将一定时期内的基金绩效与所有基金的中位值相比较，将比较结果高者标为W（win），低于中位值者标为L（lost）。定义CPR=WW LL/（WL LW）。CPR的取值范围为（0，+∞），如果绩效的持续性越差，CPR值越接近0，反之若持续性越强，CPR值越接近正无穷。据Carhart（1997）的观点，短期的基金绩效的持续性应归咎于持有的好或差的股票，长期的持续性则是由于费率结构的设计不同。
基金的风格研究是对基金的投资和收益特点进行的研究。随着金融创新的深化和产品设计竞争的加剧，市场上逐渐出现了许多类型和风格差异的基金。因此基金的风格研究具有极大的实用性。基金风格研究的方法可以分为因素分析法和特征分析法。最早的风格研究方法是所谓的HBS（HoldingsBasedStyleAnalysis）法。这种方法通过对基金披露的全部持股信息进行分析而进行。缺点是无法有效地剔除“披露日修饰”行为。1992年夏普（Sharpe）采用12因素模型（这12个因素是短期票据、中期政府债、长期政府债、公司债、抵押证券、大盘价值股票、大盘成长股票、中盘股票、小盘股票、非美国债券、日本股票和欧洲股票）进行研究，这种方法被称为RBS（ReturnBasedStyleAnalysis）。RBS方法将基金收益分解为风格收益和选择收益。模型中因素的选取遵循排他、无遗漏和易于获得等原则。目前有越来越多的各种因素模型出现。而特征分析法有MSB（MorningstarStyleBox）方法等。晨星风格箱法（MSB）由著名的晨星公司于1992年提出并于2002年进行了改进。它首先根据资产组合中各股票市值规模的大小将其分为大盘、中盘和小盘，再在划分的每个市值区间根据定义的算法计算其价值和成长得分，最后将其定位到基金风格箱里的不同位置。
GolloandLockwood（1999）对1983-1991期间更换了经理人的共同基金的业绩、风险及投资风格的改变进行了研究。当用公司规模、价值/成长重新对基金进行分类时，发现有多于65%的基金在改变管理之后投资风格也发生了改变。
绩效评估的一致性是研究和比较基金绩效评价的诸方法结果差异性的。不过该方面的研究一直比较少，国内目前还只有王聪（2001）对多重比较法等概念进行了一些介绍。评估一致性的检验方法主要有Spearman秩相关检验、Kendall协同检验和多重比较法等。Spearman秩相关检验方法是通过对两种绩效评估方法所形成秩序列的相关性，判断两方法是否一致。如果该两种方法的秩（排序的差的平方）较小，则表明该两种方法对基金的评估具备一致性。Kendall协同检验是在相关系数检验法上发展的。其中Kendall协同系数定义为12S/m2n（n2-1）。W的取值范围在0和1之间。W的值越大，诸绩效评估方法具备越强的一致性。极端地，W取值1时说明所有的绩效评估方法结果完全相同。经过Kendall协同检验，具有一致性的基金可以通过多重比较法来进行总体业绩评估。
国内关于基金绩效评价的研究目前还比较少。从已发表的文章和收集的资料来看，国内的研究还局限于对国外理论的介绍和实证研究，更多地是对某种单独的理论或角度进行研究，缺乏整体和系统的研究和缺少理论上的创新。
[编辑]
基金绩效评价的指标[1]
1、夏普(Sharpe)指数简介
美国经济学家威廉·夏普于1966年发表《共同基金的业绩》一文，提出用基金承担单位总风险（包括系统风险和非系统风险）所带来的超额收益来衡量基金业绩，这就是夏普指数。夏普指数通过一定评价期内，基金投资组合的平均收益超过无风险收益率部分与基金收益率的标准差之比来衡量基金的绩效。计算公式为：
Sp = (rp-rf)/σp
其中，Sp为夏普指数，rp为基金组合的实际收益, rf为无风险收益率, σp 为基金收益率所对应的标准差。
夏普指数的理论依据是资本资产模型（CAPM模型），以资本市场线(CML)为评价的基点,如果基金证券组合的夏普指数大于市场证券组合M的夏普指数，则该基金组合就位于CML之上，表明其表现好于市场；反之，如果基金投资组合P的夏普指数小于市场证券组合M的夏普指数，则该基金组合就位于CML之下，表明其表现劣于市场。因此，可以认为，夏普业绩指数越大,基金绩效就越好；反之，基金绩效就越差。
2、特雷诺(Treynor)指数简介
杰克·特雷诺1965年发表《如何评价投资基金的管理》一文，认为足够的证券组合可以消除单一资产的非系统性风险,那么系统风险就可以较好地刻画基金的风险，即与收益率变动相联系应为系统性风险。因此，特雷诺指数采用在一段时间内证券组合的平均风
险报酬与其系统性风险对比的方法来评价投资基金的绩效。这就是特雷诺指数，它等于基金的超额收益与其系统风险测度β之比。
计算公式为：
Tp = (rp-rf)/ βp
其中，Tp为特雷诺指数；βp表示基金投资组合的β系数，是投资组合要承担的系统风险。
特雷诺业绩指数的理论依据也是资本资产定价模型（CAPM模型），但是是以证券市场线（SML）为评价的基点，当市场处于平衡时，所有的资产组合都落在SML上，即SML的斜率就表示市场证券组合的特雷诺指数。当基金投资组合的特雷诺指数大于SML的斜率时， 该投资组合就位于SML线之上，表明其表现优于市场表现；反之，当基金投资组合的特雷诺指数小于SML的斜率时，该投资基金组合位于SML线之下，表明其表现劣于市场表现。所以，特雷诺业绩指数越大,基金的绩效就越好；反之，基金的绩效就越差。
3、詹森(Jensen)指数简介
美国经济学家迈克尔·詹森1968年发表《1945-1964年间共同基金的业绩》一文，提出了一种评价基金业绩德绝对指标，即詹森指数。他认为,基金投资组合的额外收益可衡量基金额外信息的价值,因而可以衡量基金的投资业绩，其计算公式为：
Jp=rp-[rf+βp(rm-rf)]
----Jp为詹森指数。
詹森业绩指数,又称为α值,它反映了基金与市场整体之间的绩效差异。詹森指数也以资本资产定价模型为基础，根据SML来估计基金的超额收益率。其实质是反映证券投资组合收益率与按该组合的β系数算出来的均衡收益率之间的差额。当然，差额越大，也就是詹森系数越大,反映基金运作效果越好。如果为正值，则说明基金经理有超常的选股能力,被评价基金与市场相比，高于市场平均水平，投资业绩良好；为负值则说明基金经理的选股能力欠佳,不能跑过指数,被评价基金的表现与市场相比较整体表现差；为零则说明基金经理的选股能力一般,只能与指数持平。
基金投资优化模型
基本原理是根据基金净值与股市的相关性
如果股市涨1%，基金也涨1%，那么基金仓位的预测结果就是100%，
如果基金只涨0.5%，就是50%
具体设计模型的时候，要复杂得多
要考虑
基金的连续几天的净值变动
基金过去提示的持股情况
股市的风格化特征
等很多的因素，然后用人工智能方面的一些手段（人工神经网络、遗传算法）进行模型的修正
计算出最佳的模型，最后利用这个模型进行预测
但是我可以明确地告诉你
这种模型预测的结果准确率是非常低的
只能作为参考
具体的模型是研究机构的商业秘密，所以在网上是找不到的
如果真想知道，那么只好潜入去成为它们的研究员
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(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。
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。