Hva er Value at Risk (VaR)?
▾
Value at Risk (VaR) er et statistisk mål som kvantifiserer det potensielle økonomiske tapet en portefølje kan oppleve over en definert tidshorisont på et gitt konfidensnivå. For eksempel betyr en 1-dagers 95 % VaR på 1 million dollar at det er 95 % sannsynlighet for at porteføljen ikke vil tape mer enn 1 million dollar på en enkelt handelsdag – eller tilsvarende en 5 % sjanse for at tap vil overstige 1 million dollar på en gitt dag. VaR ble den dominerende risikoberegningen i finansinstitusjoner etter J.P. Morgans publisering av RiskMetrics-metodikken i 1994 og ble deretter integrert i Basel II- og Basel III-regelverket for bankkapitaldekning. VaR kan beregnes ved hjelp av tre hovedmetoder. Den historiske simuleringsmetoden bruker den faktiske historiske fordelingen av porteføljeavkastningen, og spiller av tidligere avkastningsobservasjoner for å konstruere en tapsfordeling og lese av den relevante persentilen. Den parametriske (Variance-Covariance) metoden forutsetter at avkastning er normalfordelt og bruker porteføljens gjennomsnittlige avkastning, standardavvik og normalfordelingens z-score for å beregne VaR analytisk. Monte Carlo-simuleringsmetoden genererer tusenvis av tilfeldige avkastningsscenarier basert på spesifiserte distribusjonsforutsetninger og korrelasjoner, og produserer en syntetisk tapsfordeling som VaR estimeres fra. Hver metode har styrker og begrensninger. Historisk simulering er intuitiv, men begrenset av kvaliteten og lengden på det historiske datasettet. Den parametriske metoden er beregningsmessig enkel, men mislykkes når avkastningsfordelinger har fete haler eller ikke-lineære risikoeksponeringer (f.eks. opsjoner). Monte Carlo er den mest fleksible, men beregningsintensive og følsomme for modellforutsetninger. VaR er mye brukt av kommersielle banker, investeringsbanker, hedgefond, kapitalforvaltere, forsikringsselskaper og pensjonsfond. Det er et regulatorisk krav for beregninger av markedsrisikokapital under Basel III (ved bruk av Internal Models Approach) og er avslørt i årsrapporter fra store finansinstitusjoner. Til tross for sin utbredelse har VaR veldokumenterte begrensninger: den beskriver ikke alvorlighetsgraden av tap utover konfidensgrensen (haletap), den kan undervurdere risiko under markedsstress, og den kan skape falsk presisjon. Utfyllende tiltak som Expected Shortfall (CVaR) og stresstesting brukes alltid sammen med VaR for 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 = Persentil(P&L-fordeling, 1 − konfidensnivå)Variabelbeskrivelse
▾
| Symbol | Navn | Enhet | Beskrivelse |
|---|---|---|---|
| VaR | Value at Risk | currency or % | Maksimalt forventet tap ved spesifisert konfidensnivå over den gitte tidshorisonten. |
| μ | Portefølje gjennomsnittlig avkastning | % per period | Porteføljens gjennomsnittlige avkastning over den historiske måleperioden. |
| σ | Porteføljestandardavvik | % per period | Standardavviket til porteføljeavkastningen over den historiske måleperioden. |
| z | Z-score (konfidensnivå) | dimensionless | Normalfordelingskvantilen som tilsvarer konfidensnivået (f.eks. 1,645 for 95 %, 2,326 for 99 %). |
| T | Tidshorisont | days | Holdeperioden som VaR måles over; typisk 1 dag for handelsbøker eller 10 dager for regulatorisk kapital. |
| W | Porteføljeverdi | currency | Den nåværende markedsverdien av porteføljen; brukes til å konvertere prosentvis VaR til dollar VaR. |
Slik Value at Risk (VaR)
▾
- 1Definer parametrene: velg konfidensnivået (vanligvis 95 % eller 99 %), tidshorisonten (1 dag eller 10 dager) og porteføljeverdien.
- 2For parametrisk VaR: samle inn porteføljens daglige avkastningsserie, beregne gjennomsnittlig daglig avkastning (μ) og standardavvik (σ), og beregn deretter VaR = W × (z × σ × √T − μ × T), der z = 1,645 for 95 % eller 2,326 for 99 %.
- 3For historisk simulering: samle inn minst 250–500 daglige returobservasjoner, sorter dem fra verste til beste, og identifiser den 5. persentilen (for 95 % VaR) eller 1. persentilen (for 99 % VaR) av denne historiske tapsfordelingen.
- 4For Monte Carlo: spesifiser avkastningsfordelingsparametrene (gjennomsnitt, volatilitet, korrelasjoner), generer 10 000+ tilfeldige avkastningsscenarier, konstruer den simulerte P&L-fordelingen og les av den aktuelle persentilen.
- 5Skaler fra 1-dagers til lengre horisonter: multipliser 1-dagers VaR med √T for å estimere T-dagers VaR (gyldig under kvadratrot-av-tiden-regelen, som forutsetter uavhengig avkastning).
- 6Tilbaketest VaR-modellen ved å telle hvor ofte faktiske tap oversteg VaR-estimatet («unntak»). For 99 % VaR forventes det omtrent 2,5 unntak per år (av 250 handelsdager); betydelig mer indikerer modellfeil.
- 7Rapporter VaR sammen med Expected Shortfall (CVaR) – det gjennomsnittlige tapet gitt at tapet overstiger VaR – for å karakterisere halen av tapsfordelingen utover VaR-terskelen.
Løste eksempler
▾
Det er 5 % sjanse for å tape mer enn $19 374 på en gitt handelsdag.
Ved å bruke den parametriske formelen: VaR = $1 000 000 × (1,645 × 0,012 − 0,0004) = $1 000 000 × (0,01974 − 0,0004) = $1 000 000 × 0,01934 = $1,000,000 x 0,01934 = ca. presis z-score). Dette betyr at på 95 % av handelsdagene forventes porteføljetapet å være under dette beløpet. På 5 % av dagene - omtrent 12 til 13 handelsdager per år - forventes tap å overstige dette tallet. Dette VaR-estimatet forutsetter normalfordelt avkastning og vil undervurdere risiko dersom avkastningsfordelingen har fete haler.
Basel III krever at bankene holder kapital mot 10-dagers 99 % VaR for markedsrisiko.
Under Basel IIIs interne modelltilnærming må bankene beregne 10-dagers 99 % VaR for krav til markedsrisikokapital. Ved å bruke kvadratrot-av-tiden-regelen: 10-dagers VaR = 1-dagers VaR × √10 = $500 000 × 3,162 = $1,581,139. Banken må ha regulatorisk kapital på minst 3 ganger denne VaR (multiplikatorfaktoren) som en kapitalbuffer mot markedsrisiko. Dette eksemplet illustrerer hvordan VaR direkte styrer regulatoriske kapitalkrav og beslutninger om balansestyring i store finansinstitusjoner.
Basert på faktisk historisk avkastningsfordeling - ingen normalitetsforutsetning nødvendig.
For et hedgefond med 500 dagers avkastningshistorikk, rangerer den historiske simuleringsmetoden alle 500 daglige resultat- og resultatobservasjoner. Det 25. verste daglige tapet (5. persentil = 500 × 0,05 = 25. observasjon) representerer 95 % VaR. Hvis den 25. verste dagen resulterte i et tap på 3,8 % på en $2 000 000 portefølje, er den historiske VaR $76 000. Denne metoden er spesielt verdifull for hedgefondporteføljer med ikke-lineære eksponeringer (opsjoner, konvertibler) der normalitetsforutsetningen til den parametriske metoden ville mislykkes, siden den bruker faktisk realisert avkastning uavhengig av deres distribusjonsform.
10,4 % daglig VaR — kryptos ekstreme volatilitet gjør VaR veldig stor i forhold til porteføljen.
For en kryptovalutaportefølje med daglig volatilitet på 4,5 % (mot ~1 % for typiske aksjeporteføljer), er 99 % VaR omtrent $100 000 × (2,326 × 0,045 − 0,001) = $100 000 × 0,10367 = $1. Dette betyr at det er 1 % sjanse for å tape over 10 % av porteføljen på en gitt dag – en mye høyere absolutt risiko enn konvensjonelle finansielle eiendeler. Kritisk er det sannsynlig at den parametriske modellen undervurderer ekte krypto VaR på grunn av fetthalede, leptokurtiske returfordelinger. Historisk simulering eller ekstremverditeori vil typisk gi høyere estimater for slike aktivaklasser.
Praktiske anvendelser
▾
Basel III regulatoriske kapitalberegninger for bankmarkedsrisiko under Internal Models Approach, som representerer et viktig anvendelsesområde for Value At Risk i profesjonelle og analytiske sammenhenger der nøyaktige verdi ved risiko-beregninger direkte støtter informert beslutningstaking, strategisk planlegging og ytelsesoptimalisering
Daglig overvåking av risikogrenser for handelsbord hos investeringsbanker og markedsskapende foretak, som representerer et viktig bruksområde for Value At Risk i profesjonelle og analytiske sammenhenger der nøyaktige verdi ved risiko-beregninger direkte støtter informert beslutningstaking, strategisk planlegging og ytelsesoptimalisering
UCITS-fondprospektrisikoavsløringer som kreves av EU-forskrifter (SRRI-metodikk), representerer et viktig anvendelsesområde for Value At Risk i profesjonelle og analytiske sammenhenger der nøyaktige verdi-på-risiko-beregninger direkte støtter informert beslutningstaking, strategisk planlegging og ytelsesoptimalisering
Porteføljeoptimalisering: konstruere minimum-VaR-porteføljer innenfor avkastningsmål, som representerer et viktig bruksområde for Value At Risk i profesjonelle og analytiske sammenhenger der nøyaktige verdi-på-risiko-beregninger direkte støtter informert beslutningstaking, strategisk planlegging og ytelsesoptimalisering
Forsikringsselskapets risikobaserte kapitalberegninger for markedsrisiko i investeringsporteføljen, som representerer et viktig bruksområde for Value At Risk i profesjonelle og analytiske sammenhenger der nøyaktige verdi ved risiko-beregninger direkte støtter informert beslutningstaking, strategisk planlegging og ytelsesoptimalisering
Spesielle tilfeller
▾
{'case': 'Opsjonsporteføljer og ikke-lineær VaR', 'description': 'For porteføljer som inneholder opsjoner, er lineære VaR-modeller (parametrisk) upassende fordi opsjoner har ikke-lineære P&L-profiler (delta-, gamma-, vega-eksponeringer). Full revaluering VaR (historisk simulering eller Monte Carlo) må brukes, ved å bruke avkastningsscenarioene for å reprise hvert alternativ individuelt ved å bruke prismodellen i stedet for å anta proporsjonale resultat- og resultatendringer.'}
{'case': 'Negativ porteføljeverdi eller korte posisjoner', 'beskrivelse': 'For porteføljer med netto korte posisjoner inverteres gevinster og tap i forhold til markedsbevegelser. VaR må beregnes fra perspektivet til den faktiske resultatfordelingen, ikke avkastningsfordelingen til de underliggende eiendelene. Shortposisjoner drar nytte av markedsnedganger, men taper på markedsfremgang, så VaR for korte bøker må ta hensyn til oppsidemarkedsrisiko i stedet for nedsiderisiko.'}
{'case': 'Correlation Breakdown Under Stress', 'Description': 'VaR-modeller som er avhengige av historiske korrelasjoner mellom eiendeler kan dramatisk undervurdere porteføljens VaR under stresshendelser i markedet, når tidligere ukorrelerte eiendeler blir svært korrelerte (korrelasjonen går til 1 i en krise). Diversifiseringsfordeler antatt i normale markeder kan plutselig forsvinne, noe som fører til at faktiske tap langt overstiger VaR-estimater for flere eiendeler.'}
VaR-konfidensnivå Z-score og årlige unntakssatser
▾
| Konfidensnivå | Z-score | Daglig unntakssats | Forventede unntak/år |
|---|---|---|---|
| 90% | 1.282 | 10% | ~25 dager/år |
| 95% | 1.645 | 5% | ~12–13 dager/år |
| 97,5 % | 1.960 | 2,5 % | ~6 dager/år |
| 99% | 2.326 | 1% | ~2–3 dager/år |
| 99,5 % | 2.576 | 0,5 % | ~1 dag/år |
| 99,9 % | 3.090 | 0,1 % | ~1 dag hvert 4. år |
Ofte stilte spørsmål
▾
Hva er forskjellen mellom VaR og Expected Shortfall (CVaR)?
VaR svarer på spørsmålet "hva er det maksimale tapet ved et gitt konfidensnivå?" — men det sier ingenting om hvor store tap som kan være over den terskelen. Expected Shortfall (ES), også kalt Conditional VaR (CVaR), svarer på det komplementære spørsmålet "hvis tap overstiger VaR, hva er gjennomsnittstapet?" ES er alltid større enn eller lik VaR og gir en mer fullstendig beskrivelse av halerisiko. For eksempel, hvis 99 % VaR er $1M, kan CVaR være $1,8M – noe som betyr tap utover VaR-terskelen i gjennomsnitt $1,8M. Basel III har gradvis skiftet fra VaR mot forventet underskudd som det primære regulatoriske risikomålet på grunn av CVaRs overlegne halerisikoegenskaper.
Hvorfor forteller ikke VaR deg hvor ille de verste tapene kan være?
VaR er et kvantilt mål – det spesifiserer en terskel som tap ikke vil overstige med en gitt sannsynlighet, men det gir ingen informasjon om fordelingen av tap utover denne terskelen. To porteføljer kan ha identiske VaR-er, men svært forskjellige haletapsprofiler: en kan ha moderate tap like utenfor VaR, mens en annen kan oppleve katastrofale tap. Denne begrensningen er spesielt alvorlig for porteføljer med opsjoner, kredittderivater eller andre instrumenter med ikke-lineære, svært skjeve avkastningsfordelinger. Den praktiske konsekvensen er at VaR alene er utilstrekkelig for risikostyring og må suppleres med Expected Shortfall og stresstesting.
Hvilket konfidensnivå bør jeg bruke for VaR?
De vanligste valgene er 95 % (brukes i mange interne risikostyringsapplikasjoner og av enkelte regulatorer) og 99 % (spesifisert av Basel III for bankmarkedsrisikokapital). Noen firmaer bruker 99,9 % eller høyere for økonomisk kapital og stresstesting. Valget avhenger av applikasjonen: interne risikogrenser kan bruke 95 % VaR for daglig overvåking (som produserer hyppigere, men mindre unntak), mens regulatoriske kapital- og risikotoleranserammer vanligvis bruker 99 % VaR. Høyere konfidensnivåer produserer større VaR-estimater og krever mer historiske data for pålitelig estimering – 99,9 % VaR fra historiske data krever minst 1000 observasjoner for å ha et meningsfullt antall halehendelser.
Hvordan tilbaketestes VaR?
VaR-modeller tilbaketestes ved å sammenligne daglige VaR-estimater med faktiske påfølgende resultat- og resultatrealiseringer og telle antall "unntak" – dager da faktiske tap oversteg VaR-estimatet. For en riktig kalibrert 99 % VaR-modell bør omtrent 1 % av dagene gi unntak – omtrent 2 til 3 dager per år av 250 handelsdager. Basel III bruker et trafikklyssystem: 0–4 unntak per år er en grønn sone (modellen er akseptabel), 5–9 er en gul sone (modellen er mistenkelig, ekstra kapitalkostnader gjelder), og 10+ er en rød sone (modellen er avvist). Systematisk over- eller underprediksjon av unntak utløser regulatorisk gransking og modellrekalibrering.
Hva er de viktigste begrensningene for VaR?
VaR har flere godt dokumenterte begrensninger. Det kan gi falsk presisjon - å uttrykke risiko som et enkelt tall kan skape misvisende tillit. Den måler ikke halerisiko (tap utover VaR-terskelen). Parametrisk VaR forutsetter normalfordelt avkastning, som undervurderer risiko fra fetthalefordelinger. Historisk simulering er bakoverskuende og fanger kanskje ikke fremtidige markedsforhold. VaR kan være prosyklisk – virke lav i rolige markeder når risikoen faktisk akkumuleres, og øker under kriser når posisjoner må kuttes. I tillegg, under korrelerte stresshendelser, kan diversifiseringsfordelene antatt av VaR-modeller forsvinne, og føre til at faktiske tap langt overstiger VaR-estimatene.
Hvordan påvirker tidshorisonten VaR?
VaR skalerer omtrentlig med kvadratroten av tidshorisonten under antagelsen om at daglig avkastning er uavhengig og identisk fordelt (i.i.d.). En 10-dagers VaR er omtrent √10 ≈ 3,16 ganger 1-dagers VaR. Denne skaleringsregelen er innebygd i Basel III (som spesifiserer 10-dagers VaR for regulatorisk kapital) og er matematisk gyldig når avkastning er ukorrelert over tid. Imidlertid, hvis avkastning viser seriell autokorrelasjon - noe mange gjør ved korte horisonter - overvurderer kvadratrot-av-tiden-regelen VaR for positivt autokorrelerte eiendeler og undervurderer den for negativt autokorrelerte (middelreverserende) dem.
Hva brukes VaR til i praksis av banker og verdipapirforetak?
Banker bruker VaR for regulatoriske kapitalberegninger (Basel III markedsrisikokapital), daglig overvåking av risikogrenser for handelsbord, estimering av motparts kreditteksponering og allokering av økonomisk kapital på tvers av forretningsområdene. Investeringsforvaltere bruker VaR for porteføljekonstruksjon (optimalisering av porteføljen for å oppnå mål-VaR innenfor risikobudsjettbegrensninger), kunderapportering (avsløre porteføljerisiko i standardisert form), fondsprospektrisikoavsløring (påkrevd i UCITS-fond i EU) og stresstesting. Risikostyringssystemer i store banker beregner VaR i sanntid på tvers av tusenvis av posisjoner og aktivaklasser for å samle risikoeksponering for hele firmaet.
Vanlige feil å unngå
▾
- !Behandle VaR som maksimalt mulig tap – VaR er et konfidensintervall nedre grense for haletap, ikke et absolutt verste tilfelle.
- !Ved å bruke et for kort historisk vindu for VaR-estimering – færre enn 250 handelsdager produserer upålitelige parametriske estimater og utilstrekkelige haleobservasjoner for historisk simulering.
- !Bruk av skaleringsregelen for kvadratrot-av-tiden på avkastninger med betydelig autokorrelasjon eller gjennomsnittlig reversering, noe som fører til uriktige flerdagers VaR-estimater.
- !Sammenligning av VaR-er beregnet ved forskjellige konfidensnivåer eller tidshorisonter uten å justere for disse forskjellene.
- !Ignorerer forventet mangel og stresstesting – VaR alene er ikke tilstrekkelig for omfattende risikostyring og kan ikke beskrive alvorlighetsgraden av haletapene.
Pro Tips
Kompletter alltid VaR med Expected Shortfall (CVaR) og historiske stresstester ved å bruke faktiske krisescenarier (2008, 2020). Spør: 'Hvis vi er i 1%-halen, hvor ille kan det bli?' — det er spørsmålet VaR ikke kan svare på, men risikostyring kan ikke ignorere.
Visste du?
J.P. Morgans RiskMetrics-publikasjon fra 1994, som populariserte VaR, ble drevet av en forespørsel fra daværende administrerende direktør Dennis Weatherstone som ønsket en enkelt daglig rapport som oppsummerer firmaets totale risiko i ett tall. Resultatet – «4:15-rapporten» levert 15 minutter etter at markedet stengte – endret global bankrisikostyring for alltid.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
Referanser
Read the full guide on how to use this calculator effectively
Les mer →Få ukentlige mattetips
Bli med 12 000+-abonnenter som får kalkulatortips hver uke.