Hvad er Value at Risk (VaR)?
▾
Value at Risk (VaR) er et statistisk mål, der kvantificerer det potentielle økonomiske tab, en portefølje kan opleve over en defineret tidshorisont på et givet konfidensniveau. For eksempel betyder en 1-dags 95% VaR på $1 million, at der er en 95% sandsynlighed for, at porteføljen ikke vil tabe mere end $1 million på en enkelt handelsdag - eller tilsvarende en 5% chance for, at tab vil overstige $1 million på en given dag. VaR blev den dominerende risikomåling i finansielle institutioner efter J.P. Morgans udgivelse af RiskMetrics-metoden i 1994 og blev efterfølgende indlejret i Basel II og Basel III regulatoriske rammer for bankernes kapitaldækning. VaR kan beregnes ved hjælp af tre hovedtilgange. Den historiske simuleringsmetode bruger den faktiske historiske fordeling af porteføljeafkast, afspilning af tidligere afkastobservationer for at konstruere en tabsfordeling og aflæse den relevante percentil. Den parametriske (Variance-Covariance) metode antager, at afkast er normalfordelt og bruger porteføljens gennemsnitlige afkast, standardafvigelse og normalfordelingens z-score til at beregne VaR analytisk. Monte Carlo-simuleringsmetoden genererer tusindvis af tilfældige afkastscenarier baseret på specificerede fordelingsantagelser og korrelationer, hvilket producerer en syntetisk tabsfordeling, hvorfra VaR estimeres. Hver metode har styrker og begrænsninger. Historisk simulering er intuitiv, men begrænset af kvaliteten og længden af det historiske datasæt. Den parametriske metode er beregningsmæssigt simpel, men mislykkes, når afkastfordelinger har fede haler eller ikke-lineære risikoeksponeringer (f.eks. optioner). Monte Carlo er den mest fleksible, men beregningsintensive og følsomme over for modelantagelser. VaR bruges i vid udstrækning af kommercielle banker, investeringsbanker, hedgefonde, kapitalforvaltere, forsikringsselskaber og pensionsfonde. Det er et lovkrav for beregninger af markedsrisikokapital under Basel III (ved brug af interne modeller) og oplyses i årsrapporter fra større finansielle institutioner. På trods af dets allestedsnærværende har VaR veldokumenterede begrænsninger: det beskriver ikke alvoren af tab ud over konfidensgrænsen (haletab), det kan undervurdere risiko under markedsstress, og det kan skabe falsk præcision. Supplerende foranstaltninger såsom Expected Shortfall (CVaR) og stresstest bruges altid sammen med VaR til omfattende risikostyring.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Formel
▾
Parametrisk VaR = W × (μ × T − z × σ × √T)
Historisk VaR = Percentil(P&L-fordeling, 1 − konfidensniveau)Variabelbeskrivelse
▾
| Symbol | Navn | Enhed | Beskrivelse |
|---|---|---|---|
| VaR | Value at Risk | currency or % | Det maksimale forventede tab ved det angivne konfidensniveau over den givne tidshorisont. |
| μ | Portefølje gennemsnitsafkast | % per period | Porteføljens gennemsnitlige afkast over den historiske måleperiode. |
| σ | Porteføljestandardafvigelse | % per period | Standardafvigelsen af porteføljeafkast over den historiske måleperiode. |
| z | Z-score (konfidensniveau) | dimensionless | Normalfordelingskvantilen svarende til konfidensniveauet (f.eks. 1,645 for 95 %, 2,326 for 99 %). |
| T | Tidshorisont | days | Holdeperioden, over hvilken VaR måles; typisk 1 dag for handelsbøger eller 10 dage for lovpligtig kapital. |
| W | Porteføljeværdi | currency | Den aktuelle markedsværdi af porteføljen; bruges til at omregne VaR i procent til dollar VaR. |
Sådan Value at Risk (VaR)
▾
- 1Definer parametrene: vælg konfidensniveauet (typisk 95 % eller 99 %), tidshorisonten (1 dag eller 10 dage) og porteføljeværdien.
- 2For Parametrisk VaR: Saml porteføljens daglige afkastserie, udregn det gennemsnitlige daglige afkast (μ) og standardafvigelsen (σ), beregn derefter VaR = W × (z × σ × √T − μ × T), hvor z = 1,645 for 95 % eller 2,326 for 99 %.
- 3Til historisk simulering: Indsaml mindst 250-500 daglige afkastobservationer, sorter dem fra værste til bedste, og identificer den 5. percentil (for 95 % VaR) eller 1. percentil (for 99 % VaR) af denne historiske tabsfordeling.
- 4For Monte Carlo: Angiv afkastfordelingsparametrene (middelværdi, volatilitet, korrelationer), generer 10.000+ tilfældige afkastscenarier, konstruer den simulerede P&L-fordeling, og aflæs den relevante percentil.
- 5Skaler fra 1-dages til længere horisonter: multiplicer 1-dags VaR med √T for at estimere T-dag VaR (gyldig under kvadratrodsreglen, som forudsætter uafhængige afkast).
- 6Backtest VaR-modellen ved at tælle, hvor ofte faktiske tab oversteg VaR-estimatet ('undtagelser'). For 99 % VaR forventes ca. 2,5 undtagelser pr. år (ud af 250 handelsdage); markant mere indikerer modelfejl.
- 7Rapportér VaR sammen med Expected Shortfall (CVaR) – det gennemsnitlige tab, givet at tabet overstiger VaR – for at karakterisere halefordelingen af tab ud over VaR-tærsklen.
Løste eksempler
▾
Der er en 5% chance for at tabe mere end $19.374 på en given handelsdag.
Ved hjælp af den parametriske formel: VaR = $1.000.000 × (1,645 × 0,012 − 0,0004) = $1.000.000 × (0,01974 − 0,0004) = $1.000.000 × 0,01934 $ med ca. 1,934 $ (ca. præcis z-score). Det betyder, at porteføljetabet på 95 % af handelsdagene forventes at være under dette beløb. På 5 % af dagene - omkring 12 til 13 handelsdage om året - forventes tab at overstige dette tal. Dette VaR-estimat forudsætter normalt fordelte afkast og vil undervurdere risikoen, hvis afkastfordelingen har fede haler.
Basel III kræver, at banker holder kapital mod 10-dages 99% VaR for markedsrisiko.
Under Basel III's interne modelmetode skal banker beregne 10-dages 99% VaR for markedsrisikokapitalkrav. Brug af kvadratrods-af-tiden-reglen: 10-dages VaR = 1-dages VaR × √10 = $500.000 × 3.162 = $1.581.139. Banken skal have en lovpligtig kapital på mindst 3 gange denne VaR (multiplikatorfaktoren) som en kapitalbuffer mod markedsrisiko. Dette eksempel illustrerer, hvordan VaR direkte driver regulatoriske kapitalkrav og beslutninger om balancestyring hos større finansielle institutioner.
Baseret på faktisk historisk afkastfordeling — ingen normalitetsantagelse nødvendig.
For en hedgefond med 500 dages afkasthistorik rangerer den historiske simuleringsmetode alle 500 daglige P&L-observationer. Det 25. værste daglige tab (den 5. percentil = 500 × 0,05 = 25. observation) repræsenterer 95 % VaR. Hvis den 25. værste dag resulterede i et tab på 3,8 % på en portefølje på $2.000.000, er den historiske VaR $76.000. Denne metode er særlig værdifuld for hedgefondsporteføljer med ikke-lineære eksponeringer (optioner, konvertible), hvor normalitetsantagelsen for den parametriske metode ville mislykkes, da den bruger faktiske realiserede afkast uanset deres fordelingsform.
10,4% daglig VaR — kryptos ekstreme volatilitet gør VaR meget stor i forhold til porteføljen.
For en kryptovalutaportefølje med daglig volatilitet på 4,5% (mod ~1% for typiske aktieporteføljer), er 99% VaR ca. $100.000 × (2.326 × 0.045 - 0.001) = $100.000 × 0.10367 = $1. Dette betyder, at der er en 1% chance for at miste over 10% af porteføljen på en given dag - en meget højere absolut risiko end konventionelle finansielle aktiver. Kritisk er det sandsynligt, at den parametriske model undervurderer ægte krypto VaR på grund af fedthalede, leptokurtiske returfordelinger. Historisk simulering eller ekstremværditeori vil typisk give højere estimater for sådanne aktivklasser.
Praktiske anvendelser
▾
Basel III regulatoriske kapitalberegninger for bankmarkedsrisiko under den interne modelmetode, der repræsenterer et vigtigt anvendelsesområde for Value At Risk i professionelle og analytiske sammenhænge, hvor nøjagtige value-at-risk-beregninger direkte understøtter informeret beslutningstagning, strategisk planlægning og præstationsoptimering
Daglig overvågning af risikogrænser for handelsborde hos investeringsbanker og markedsskabende virksomheder, der repræsenterer et vigtigt anvendelsesområde for Value At Risk i professionelle og analytiske sammenhænge, hvor nøjagtige value-at-risk-beregninger direkte understøtter informeret beslutningstagning, strategisk planlægning og præstationsoptimering
UCITS-fondsprospektrisikooplysning krævet af EU-regler (SRRI-metodologi), der repræsenterer et vigtigt anvendelsesområde for Value At Risk i professionelle og analytiske sammenhænge, hvor nøjagtige value-at-risk-beregninger direkte understøtter informeret beslutningstagning, strategisk planlægning og præstationsoptimering
Porteføljeoptimering: opbygning af minimum-VaR-porteføljer inden for afkastmål, der repræsenterer et vigtigt anvendelsesområde for Value At Risk i professionelle og analytiske sammenhænge, hvor nøjagtige value-at-risk-beregninger direkte understøtter informeret beslutningstagning, strategisk planlægning og præstationsoptimering
Forsikringsselskabets risikobaserede kapitalberegninger for markedsrisiko i investeringsporteføljen, der repræsenterer et vigtigt anvendelsesområde for Value At Risk i professionelle og analytiske sammenhænge, hvor nøjagtige value-at-risk-beregninger direkte understøtter informeret beslutningstagning, strategisk planlægning og præstationsoptimering
Særlige tilfælde
▾
{'case': 'Optionsporteføljer og ikke-lineær VaR', 'description': 'For porteføljer, der indeholder optioner, er lineære VaR-modeller (parametrisk) upassende, fordi optioner har ikke-lineære P&L-profiler (delta, gamma, vega-eksponeringer). Fuld revaluering VaR (Historical Simulation eller Monte Carlo) skal bruges, idet afkastscenarierne anvendes til at genprise hver option individuelt ved hjælp af dens prismodel i stedet for at antage proportionale P&L-ændringer.'}
{'case': 'Negativ porteføljeværdi eller korte positioner', 'beskrivelse': 'For porteføljer med korte nettopositioner inverteres gevinster og tab i forhold til markedsbevægelser. VaR skal beregnes ud fra den faktiske resultatfordeling, ikke afkastfordelingen af de underliggende aktiver. Korte positioner nyder godt af markedsfald, men taber på markedsfremgang, så VaR for korte bøger skal tage højde for opadrettede markedsrisiko frem for nedadgående risiko.'}
{'case': 'Korrelationsopdeling under stress', 'beskrivelse': 'VaR-modeller, der er afhængige af historiske korrelationer mellem aktiver, kan dramatisk undervurdere porteføljens VaR under stressbegivenheder på markedet, når tidligere ukorrelerede aktiver bliver meget korrelerede (korrelationen går til 1 i en krise). Diversificeringsfordele, der antages på normale markeder, kan pludselig forsvinde, hvilket får de faktiske tab til at langt overstige VaR-estimater for flere aktiver.'}
VaR-sikkerhedsniveau Z-score og årlige undtagelsessatser
▾
| Tillidsniveau | Z-score | Daglig undtagelsessats | Forventede undtagelser/år |
|---|---|---|---|
| 90% | 1.282 | 10% | ~25 dage/år |
| 95% | 1.645 | 5% | ~12-13 dage/år |
| 97,5 % | 1.960 | 2,5 % | ~6 dage/år |
| 99% | 2.326 | 1% | ~2-3 dage/år |
| 99,5 % | 2.576 | 0,5 % | ~1 dag/år |
| 99,9 % | 3.090 | 0,1 % | ~1 dag hvert 4. år |
Ofte stillede spørgsmål
▾
Hvad er forskellen mellem VaR og Expected Shortfall (CVaR)?
VaR besvarer spørgsmålet "hvad er det maksimale tab på et givet konfidensniveau?" - men det siger intet om, hvor store tab der kan være ud over den tærskel. Expected Shortfall (ES), også kaldet Conditional VaR (CVaR), besvarer det supplerende spørgsmål "hvis tab overstiger VaR, hvad er det gennemsnitlige tab?" ES er altid større end eller lig med VaR og giver en mere komplet beskrivelse af halerisiko. For eksempel, hvis 99 % VaR er $1 mio., kan CVaR være $1,8 mio. - hvilket betyder tab ud over VaR-tærsklen i gennemsnit $1,8 mio. Basel III er gradvist skiftet fra VaR til Expected Shortfall som det primære regulatoriske risikomål på grund af CVaR's overlegne halerisikoegenskaber.
Hvorfor fortæller VaR dig ikke, hvor slemt de værste tab kan være?
VaR er et kvantilt mål — det angiver en tærskel, som tab ikke vil overskride med en given sandsynlighed, men det giver ingen information om fordelingen af tab ud over denne tærskel. To porteføljer kan have identiske VaR'er, men meget forskellige haletabsprofiler: En kan have moderate tab lige ud over VaR, mens en anden kan opleve katastrofale tab. Denne begrænsning er særlig alvorlig for porteføljer med optioner, kreditderivater eller andre instrumenter med ikke-lineære, stærkt skæve afkastfordelinger. Den praktiske konsekvens er, at VaR alene er utilstrækkelig til risikostyring og skal suppleres med Expected Shortfall og stresstest.
Hvilket konfidensniveau skal jeg bruge til VaR?
De mest almindelige valg er 95 % (bruges i mange interne risikostyringsapplikationer og af nogle regulatorer) og 99 % (specificeret af Basel III for bankmarkedsrisikokapital). Nogle virksomheder bruger 99,9 % eller mere til økonomisk kapital og stresstestformål. Valget afhænger af applikationen: interne risikogrænser kan bruge 95 % VaR til daglig overvågning (der producerer hyppigere, men mindre undtagelser), mens regulatoriske kapital- og risikotolerancerammer typisk bruger 99 % VaR. Højere konfidensniveauer producerer større VaR-estimater og kræver flere historiske data til pålidelig estimering - 99,9 % VaR fra historiske data kræver mindst 1.000 observationer for at have et meningsfuldt antal halebegivenheder.
Hvordan backtestes VaR?
VaR-modeller backtestes ved at sammenligne daglige VaR-estimater med faktiske efterfølgende P&L-realisationer og tælle antallet af "undtagelser" - dage, hvor faktiske tab oversteg VaR-estimatet. For en korrekt kalibreret 99 % VaR-model bør cirka 1 % af dagene give undtagelser - omkring 2 til 3 dage om året ud af 250 handelsdage. Basel III bruger et trafiklyssystem: 0-4 undtagelser pr. år er en grøn zone (modellen er acceptabel), 5-9 er en gul zone (modellen er mistænkelig, yderligere kapitalomkostninger gælder), og 10+ er en rød zone (modellen er afvist). Systematisk over- eller underforudsigelse af undtagelser udløser reguleringskontrol og modelrekalibrering.
Hvad er de vigtigste begrænsninger ved VaR?
VaR har flere veldokumenterede begrænsninger. Det kan give falsk præcision - at udtrykke risiko som et enkelt tal kan skabe vildledende tillid. Den måler ikke halerisiko (tab ud over VaR-tærsklen). Parametrisk VaR forudsætter normalfordelte afkast, hvilket undervurderer risikoen fra fedthalefordelinger. Historisk simulering er bagudskuende og fanger muligvis ikke fremtidige markedsforhold. VaR kan være procyklisk – synes lav under rolige markeder, hvor risikoen faktisk akkumuleres, og spidser under kriser, når positioner skal skæres ned. Under korrelerede stressbegivenheder kan diversificeringsfordelene, der antages af VaR-modeller, desuden forsvinde, hvilket får de faktiske tab til at langt overstige VaR-estimaterne.
Hvordan påvirker tidshorisonten VaR?
VaR skaleres omtrent med kvadratroden af tidshorisonten under den antagelse, at daglige afkast er uafhængige og identisk fordelt (i.i.d.). En 10-dages VaR er cirka √10 ≈ 3,16 gange 1-dages VaR. Denne skaleringsregel er indlejret i Basel III (som specificerer 10-dages VaR for lovpligtig kapital) og er matematisk gyldig, når afkast er ukorrelerede over tid. Men hvis afkast udviser seriel autokorrelation - hvilket mange gør ved korte horisonter - overvurderer kvadratrodsreglen VaR for positivt autokorrelerede aktiver og undervurderer det for negativt autokorrelerede (middel-tilbagevende) dem.
Hvad bruges VaR til i praksis af banker og investeringsselskaber?
Banker bruger VaR til regulatoriske kapitalberegninger (Basel III markedsrisikokapital), daglig risikogrænseovervågning for handelsborde, estimering af modpartskrediteksponering og økonomisk kapitalallokering på tværs af forretningsområder. Investeringsforvaltere bruger VaR til porteføljekonstruktion (optimering af porteføljen for at opnå mål-VaR inden for risikobudgettets begrænsninger), kunderapportering (oplysning om porteføljerisiko i standardiseret form), fondsprospektrisikooplysninger (påkrævet i UCITS-fonde i EU) og stresstest. Risikostyringssystemer hos større banker beregner VaR i realtid på tværs af tusindvis af positioner og aktivklasser for at samle en virksomhedsdækkende markedsrisikoeksponering.
Almindelige fejl at undgå
▾
- !Behandling af VaR som det maksimalt mulige tab — VaR er et konfidensinterval, der er nedre grænse for haletab, ikke et absolut worst case.
- !Brug af et for kort historisk vindue til VaR-estimering – færre end 250 handelsdage producerer upålidelige parametriske estimater og utilstrækkelige haleobservationer til historisk simulering.
- !Anvendelse af kvadratrod-af-tids-skaleringsreglen på afkast med signifikant autokorrelation eller middel-reversion, hvilket fører til forkerte flerdages VaR-estimater.
- !Sammenligning af VaR'er beregnet ved forskellige konfidensniveauer eller tidshorisonter uden at justere for disse forskelle.
- !Ignorerer forventet mangel og stresstest – VaR alene er ikke tilstrækkeligt til omfattende risikostyring og kan ikke beskrive sværhedsgraden af haletab.
Pro Tip
Suppler altid VaR med Expected Shortfall (CVaR) og historiske stresstest ved hjælp af faktiske krisescenarier (2008, 2020). Spørg: 'Hvis vi er i 1%-halen, hvor slemt kan det så blive?' — det er spørgsmålet, som VaR ikke kan besvare, men risikostyring kan ikke ignorere.
Vidste du?
J.P. Morgans RiskMetrics-publikation fra 1994, som populariserede VaR, var drevet af en anmodning fra den daværende administrerende direktør Dennis Weatherstone, som ønskede en enkelt daglig rapport, der opsummerer virksomhedens samlede risiko i ét tal. Resultatet - '4:15-rapporten' leveret 15 minutter efter markedets lukning - ændrede den globale bankrisikostyring for altid.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
Referencer
Read the full guide on how to use this calculator effectively
Læs mere →Få ugentlige matematiktips
Slut dig til 12.000+ abonnenter, der får lommeregnertips hver uge.