使用VaR来度量市场风险时，存在所谓的模型风险。有学者曾采用多种常见的VaR计算方法对三种假设的金融资产组合进行了VaR估计测定，结果发现各种不同的方法之间有很大的差异，这表明VaR测定对模型、参数、数据以及相关假设的依赖性非常强。那么到底哪种计算模型能够更好地反映当前的市场风险呢?

　　只有能准确地预测风险的VaR模型才是有效的。因此，模型的运用过程就是一个不断检验证明的过程。模型验证是检验一个模型是否正确的一般过程，可以运用一系列的工具，如回测检验、压力测试、独立的审查和监测等进行模型验证。

　　回测检验是一种规范的统计方法，它事实上是通过将实际发生的损失，与统计预测的损失进行比较，从而验证模型的有效性。对VaR模型来说，这包括把VaR模型的历史预测与投资组合真实的回报进行系统的比较。通俗地讲，也就是我们需要把利用模型进行事前预测得到的VaR结果与事后真实发生的损失进行统计意义上的比较，从而检验模型的预测能力是否能符合我们的要求。

　　这一过程，有时也被称作真实性检验。真实性检验对于VaR使用者和风险管理者对所建立的VaR模型进行有效性核查和检验来说，是至关重要的。如果不是这样，就要重新对模型进行假设错误、参数错误和模型错误的检验，将增加问题的复杂性。同时，回测检验过程也可以为模型的改进提供一些思路。

　　回测检验也是巴塞尔委员会在银行资本金要求的标准上，允许银行使用内部VaR模型的重要原因之一。因为银行有低报风险的动机，所以如果没有严格的回测检验机制作保证，巴塞尔委员会可能不会允许使用内部VaR模型来决定银行的最低资本要求。这也是为什么这一系统要设计成为能够最大可能地捕捉到那些故意低报其风险的银行。但另一方面，这一系统也要避免不恰当地惩罚那些可能只是由于运气不好而造成VaR超标的银行。这种权衡“存伪”和“去真”之间的关系，类似于在统计学中提到的权衡第一类错误和第二类错误之间的关系，这也是回测检验统计决策方法的核心问题

　　学FRM，就来好睿教育。