Vad är Value at Risk (VaR)?
▾
Value at Risk (VaR) är ett statistiskt mått som kvantifierar den potentiella ekonomiska förlust en portfölj kan uppleva under en definierad tidshorisont vid en given konfidensnivå. Till exempel betyder en 1-dagars 95% VaR på 1 miljon dollar att det finns en 95% sannolikhet att portföljen inte kommer att förlora mer än 1 miljon dollar på en enda handelsdag - eller motsvarande en 5% chans att förlusterna kommer att överstiga 1 miljon dollar på en given dag. VaR blev det dominerande riskmåttet i finansinstitut efter J.P. Morgans publicering av RiskMetrics-metoden 1994 och inbäddades därefter i Basel II- och Basel III-regelverket för bankernas kapitaltäckning. VaR kan beräknas med hjälp av tre huvudmetoder. Den historiska simuleringsmetoden använder den faktiska historiska fördelningen av portföljavkastning, genom att spela upp tidigare avkastningsobservationer för att konstruera en förlustfördelning och avläsa den relevanta percentilen. Den parametriska (Variance-Covariance) metoden förutsätter att avkastningen är normalfördelad och använder portföljens medelavkastning, standardavvikelse och normalfördelningens z-poäng för att beräkna VaR analytiskt. Monte Carlo-simuleringsmetoden genererar tusentals slumpmässiga avkastningsscenarier baserade på specificerade fördelningsantaganden och korrelationer, vilket ger en syntetisk förlustfördelning från vilken VaR uppskattas. Varje metod har styrkor och begränsningar. Historisk simulering är intuitiv men begränsad av kvaliteten och längden på den historiska datamängden. Den parametriska metoden är beräkningsmässigt enkel men misslyckas när avkastningsfördelningar har feta svansar eller icke-linjära riskexponeringar (t.ex. optioner). Monte Carlo är den mest flexibla men beräkningsintensiva och känsliga för modellantaganden. VaR används i stor utsträckning av affärsbanker, investeringsbanker, hedgefonder, kapitalförvaltare, försäkringsbolag och pensionsfonder. Det är ett regulatoriskt krav för beräkningar av marknadsriskkapital enligt Basel III (med interna modellmetoder) och redovisas i årsrapporter från större finansiella institutioner. Trots sin spridning har VaR väldokumenterade begränsningar: den beskriver inte svårighetsgraden av förluster bortom konfidensgränsen (svansförluster), den kan underskatta risken under marknadsstress och den kan skapa falsk precision. Kompletterande mått som Expected Shortfall (CVaR) och stresstester används alltid tillsammans med VaR för omfattande riskhantering.
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-fördelning, 1 − konfidensnivå)Variabelbeskrivning
▾
| Symbol | Namn | Enhet | Beskrivning |
|---|---|---|---|
| VaR | Value at Risk | valuta eller % | Den maximala förväntade förlusten vid den angivna konfidensnivån över den givna tidshorisonten. |
| μ | Portföljens medelavkastning | % per period | Portföljens genomsnittliga avkastning under den historiska mätperioden. |
| σ | Portföljens standardavvikelse | % per period | Standardavvikelsen för portföljens avkastning under den historiska mätperioden. |
| z | Z-poäng (konfidensnivå) | dimensionslös | Normalfördelningskvantilen som motsvarar konfidensnivån (t.ex. 1,645 för 95 %, 2,326 för 99 %). |
| T | Tidshorisont | dagar | Den innehavsperiod under vilken VaR mäts; vanligtvis 1 dag för handelsböcker eller 10 dagar för lagstadgat kapital. |
| W | Portföljens värde | valuta | Portföljens nuvarande marknadsvärde; används för att konvertera procentuell VaR till dollar VaR. |
Hur man Value at Risk (VaR)
▾
- 1Definiera parametrarna: välj konfidensnivå (vanligtvis 95 % eller 99 %), tidshorisont (1 dag eller 10 dagar) och portföljens värde.
- 2För Parametrisk VaR: samla in portföljens dagliga avkastningsserie, beräkna den dagliga genomsnittliga avkastningen (μ) och standardavvikelsen (σ), beräkna sedan VaR = W × (z × σ × √T − μ × T), där z = 1,645 för 95 % eller 2,326 för 99 %.
- 3För historisk simulering: samla in minst 250–500 dagliga avkastningsobservationer, sortera dem från sämsta till bästa och identifiera den 5:e percentilen (för 95 % VaR) eller 1:a percentilen (för 99 % VaR) av denna historiska förlustfördelning.
- 4För Monte Carlo: specificera avkastningsfördelningsparametrarna (medelvärde, volatilitet, korrelationer), generera 10 000+ slumpmässiga avkastningsscenarier, konstruera den simulerade P&L-fördelningen och läs av lämplig percentil.
- 5Skala från 1-dagars till längre horisonter: multiplicera 1-dagars VaR med √T för att uppskatta T-dagars VaR (giltigt enligt regeln om kvadratroten av tiden, som förutsätter oberoende avkastning).
- 6Backtesta VaR-modellen genom att räkna hur ofta faktiska förluster översteg VaR-uppskattningen (”undantag”). För 99 % VaR förväntas cirka 2,5 undantag per år (av 250 handelsdagar); betydligt mer tyder på modellfel.
- 7Rapportera VaR tillsammans med Expected Shortfall (CVaR) – den genomsnittliga förlusten givet att förlusten överstiger VaR – för att karakterisera svansen av förlustfördelningen bortom VaR-tröskeln.
Lösta exempel
▾
Det finns en 5% chans att förlora mer än $19 374 på en given handelsdag.
Med hjälp av den parametriska formeln: VaR = $1 000 000 × (1,645 × 0,012 − 0,0004) = $1 000 000 × (0,01974 − 0,0004) = $1 000 000 × 0,01934 = $1,019,34 = ca 1,934 $ (ca. exakt z-poäng). Detta innebär att på 95 % av handelsdagarna förväntas portföljförlusten vara under detta belopp. På 5 % av dagarna – ungefär 12 till 13 handelsdagar per år – förväntas förlusterna överstiga denna siffra. Denna VaR-uppskattning utgår från normalfördelad avkastning och skulle underskatta risken om avkastningsfördelningen har feta svansar.
Basel III kräver att banker håller kapital mot 10-dagars 99% VaR för marknadsrisk.
Enligt Basel III:s tillvägagångssätt för interna modeller måste banker beräkna 10-dagars 99% VaR för marknadsriskkapitalkrav. Använda kvadratroten av tiden-regeln: 10-dagars VaR = 1-dagars VaR × √10 = 500 000 $ × 3,162 = 1 581 139 $. Banken måste hålla ett lagstadgat kapital på minst 3 gånger denna VaR (multiplikatorfaktorn) som en kapitalbuffert mot marknadsrisk. Det här exemplet illustrerar hur VaR direkt driver lagstadgade kapitalkrav och beslut om balansräkning hos stora finansinstitut.
Baserat på faktisk historisk avkastningsfördelning — inget normalitetsantagande behövs.
För en hedgefond med 500 dagars avkastningshistorik, rankar den historiska simuleringsmetoden alla 500 dagliga resultat- och resultatobservationer. Den 25:e värsta dagliga förlusten (5:e percentilen = 500 × 0,05 = 25:e observationen) representerar 95 % VaR. Om den 25:e värsta dagen resulterade i en förlust på 3,8 % på en portfölj på 2 000 000 USD, är den historiska VaR:en 76 000 USD. Denna metod är särskilt värdefull för hedgefonder med icke-linjär exponering (optioner, konvertibler) där normalitetsantagandet för den parametriska metoden skulle misslyckas, eftersom den använder faktisk realiserad avkastning oavsett deras fördelningsform.
10,4% daglig VaR — kryptos extrema volatilitet gör VaR mycket stor i förhållande till portföljen.
För en kryptovalutaportfölj med en daglig volatilitet på 4,5% (mot ~1% för typiska aktieportföljer) är 99% VaR ungefär $100 000 × (2,326 × 0,045 − 0,001) = $100 000 × 0,10367 = $1. Detta innebär att det finns en 1% chans att förlora över 10% av portföljen en viss dag - en mycket högre absolut risk än konventionella finansiella tillgångar. Kritiskt sett underskattar den parametriska modellen sannolikt sann krypto-VaR på grund av fettsvansade, leptokurtiska returfördelningar. Historisk simulering eller extremvärdesteori skulle vanligtvis ge högre uppskattningar för sådana tillgångsklasser.
Praktiska tillämpningar
▾
Basel III regulatoriska kapitalberäkningar för bankmarknadsrisk enligt interna modellmetoder, som representerar ett viktigt tillämpningsområde för Value At Risk i professionella och analytiska sammanhang där korrekta riskvaluta-beräkningar direkt stöder informerat beslutsfattande, strategisk planering och prestationsoptimering
Daglig övervakning av riskgränser för handelsbord hos investeringsbanker och marknadsskapande företag, som representerar ett viktigt tillämpningsområde för Value At Risk i professionella och analytiska sammanhang där korrekta riskvärdesberäkningar direkt stöder informerat beslutsfattande, strategisk planering och prestationsoptimering
Riskupplysningar om UCITS-fondprospekt som krävs enligt EU-förordningar (SRRI-metodik), som representerar ett viktigt tillämpningsområde för Value At Risk i professionella och analytiska sammanhang där korrekta riskvaluta-beräkningar direkt stöder informerat beslutsfattande, strategisk planering och prestationsoptimering
Portföljoptimering: konstruera minimum-VaR-portföljer inom avkastningsmål, som representerar ett viktigt applikationsområde för Value At Risk i professionella och analytiska sammanhang där korrekta värde-i-risk-beräkningar direkt stöder informerat beslutsfattande, strategisk planering och prestationsoptimering
Försäkringsbolags riskbaserade kapitalberäkningar för investeringsportföljens marknadsrisk, som representerar ett viktigt tillämpningsområde för Value At Risk i professionella och analytiska sammanhang där korrekta riskvaluta-beräkningar direkt stöder informerat beslutsfattande, strategisk planering och prestationsoptimering
Specialfall
▾
{'case': 'Optionsportföljer och icke-linjära VaR', 'description': 'För portföljer som innehåller optioner är linjära VaR-modeller (parametriska) olämpliga eftersom optioner har icke-linjära P&L-profiler (delta, gamma, vegaexponering). Full omvärderings-VaR (Historical Simulation eller Monte Carlo) måste användas, med tillämpning av avkastningsscenarierna för att omprisa varje alternativ individuellt med hjälp av dess prismodell istället för att anta proportionella resultat- och resultatförändringar.'}
{'case': 'Negativt portföljvärde eller korta positioner', 'description': 'För portföljer med korta nettopositioner inverteras vinster och förluster i förhållande till marknadsrörelser. VaR måste beräknas utifrån den faktiska resultatfördelningen, inte avkastningsfördelningen för de underliggande tillgångarna. Korta positioner gynnas av marknadsnedgångar men förlorar på marknadsframsteg, så VaR för korta böcker måste ta hänsyn till uppåtriktad marknadsrisk snarare än nedåtrisk.'}
{'fall': 'Korrelationsuppdelning under stress', 'beskrivning': 'VaR-modeller som förlitar sig på historiska korrelationer mellan tillgångar kan dramatiskt underskatta portföljens VaR under stresshändelser på marknaden, när tidigare okorrelerade tillgångar blir mycket korrelerade (korrelationen går till 1 i en kris). Diversifieringsfördelar som antas på normala marknader kan plötsligt försvinna, vilket gör att faktiska förluster vida överstiger VaR-uppskattningar för flera tillgångar.'}
VaR-konfidensnivå Z-poäng och årliga undantagssatser
▾
| Konfidensnivå | Z-poäng | Daglig undantagspris | Förväntade undantag/år |
|---|---|---|---|
| 90 % | 1,282 | 10 % | ~25 dagar/år |
| 95 % | 1,645 | 5 % | ~12–13 dagar/år |
| 97,5 % | 1,960 | 2,5 % | ~6 dagar/år |
| 99 % | 2,326 | 1 % | ~2–3 dagar/år |
| 99,5 % | 2,576 | 0,5 % | ~1 dag/år |
| 99,9 % | 3,090 | 0,1 % | ~1 dag vart fjärde år |
Vanliga frågor
▾
Vad är skillnaden mellan VaR och Expected Shortfall (CVaR)?
VaR svarar på frågan "vilken är den maximala förlusten vid en given konfidensnivå?" — men det säger ingenting om hur stora förluster som kan vara bortom den tröskeln. Expected Shortfall (ES), även kallad Conditional VaR (CVaR), svarar på den kompletterande frågan "om förlusterna överstiger VaR, vad är den genomsnittliga förlusten?" ES är alltid större än eller lika med VaR och ger en mer komplett beskrivning av svansrisken. Till exempel, om 99 % VaR är 1 miljoner USD, kan CVaR vara 1,8 miljoner USD – vilket betyder förluster över VaR-tröskeln i genomsnitt 1,8 miljoner USD. Basel III har successivt skiftat från VaR till Expected Shortfall som det primära regulatoriska riskmåttet på grund av CVaR:s överlägsna svansriskegenskaper.
Varför berättar VaR inte hur illa de värsta förlusterna kan vara?
VaR är ett kvantilt mått — det specificerar ett tröskelvärde som förlusterna inte kommer att överskrida med en given sannolikhet, men det ger ingen information om fördelningen av förluster utöver detta tröskelvärde. Två portföljer kan ha identiska VaR men mycket olika svansförlustprofiler: en kan ha måttliga förluster strax bortom VaR, medan en annan kan uppleva katastrofala förluster. Denna begränsning är särskilt allvarlig för portföljer med optioner, kreditderivat eller andra instrument med icke-linjära, mycket skeva avkastningsfördelningar. Den praktiska konsekvensen är att VaR ensamt är otillräckligt för riskhantering och måste kompletteras med Expected Shortfall och stresstester.
Vilken konfidensnivå ska jag använda för VaR?
De vanligaste valen är 95 % (används i många interna riskhanteringsapplikationer och av vissa tillsynsmyndigheter) och 99 % (specificeras av Basel III för bankmarknadsriskkapital). Vissa företag använder 99,9 % eller mer för ekonomiskt kapital och stresstester. Valet beror på applikationen: interna riskgränser kan använda 95 % VaR för daglig övervakning (vilket ger oftare men mindre undantag), medan regelverk för kapital och risktolerans vanligtvis använder 99 % VaR. Högre konfidensnivåer ger större VaR-uppskattningar och kräver mer historisk data för tillförlitlig uppskattning — 99,9 % VaR från historiska data kräver minst 1 000 observationer för att ha ett meningsfullt antal svanshändelser.
Hur backtestas VaR?
VaR-modeller backtestas genom att jämföra dagliga VaR-uppskattningar med faktiska efterföljande resultat och resultat och räkna antalet "undantag" – dagar då faktiska förluster översteg VaR-uppskattningen. För en korrekt kalibrerad 99 % VaR-modell bör cirka 1 % av dagarna ge undantag — cirka 2 till 3 dagar per år av 250 handelsdagar. Basel III använder ett trafikljussystem: 0–4 undantag per år är en grön zon (modellen är acceptabel), 5–9 är en gul zon (modellen är misstänkt, ytterligare kapitalavgifter tillkommer) och 10+ är en röd zon (modellen avvisas). Systematisk över- eller underförutsägelse av undantag utlöser regulatorisk granskning och modellomkalibrering.
Vilka är de huvudsakliga begränsningarna för VaR?
VaR har flera väldokumenterade begränsningar. Det kan ge falsk precision - att uttrycka risk som ett enda nummer kan skapa vilseledande förtroende. Den mäter inte svansrisken (förluster över VaR-tröskeln). Parametrisk VaR utgår från normalfördelad avkastning, vilket underskattar risken från fettsvansfördelningar. Historisk simulering är bakåtblickande och kanske inte fångar framtida marknadsförhållanden. VaR kan vara procyklisk – verkar låg under lugna marknader när risken faktiskt ackumuleras, och spikar under kriser när positioner behöver skäras. Dessutom, under korrelerade stresshändelser, kan diversifieringsfördelarna som antas av VaR-modeller försvinna, vilket gör att faktiska förluster vida överstiger VaR-uppskattningarna.
Hur påverkar tidshorisonten VaR?
VaR skalar ungefär med kvadratroten av tidshorisonten under antagandet att daglig avkastning är oberoende och identiskt fördelad (i.i.d.). En 10-dagars VaR är ungefär √10 ≈ 3,16 gånger 1-dagars VaR. Denna skalningsregel är inbäddad i Basel III (som specificerar 10-dagars VaR för lagstadgat kapital) och är matematiskt giltig när avkastningen är okorrelerad över tiden. Men om avkastningen uppvisar seriell autokorrelation - vilket många gör vid korta horisonter - överskattar kvadratroten av tiden VaR för positivt autokorrelerade tillgångar och underskattar det för negativt autokorrelerade (medelåtergående) sådana.
Vad används VaR till i praktiken av banker och värdepappersföretag?
Banker använder VaR för beräkningar av lagstadgat kapital (Basel III marknadsriskkapital), daglig övervakning av riskgränser för handelsbord, uppskattning av motpartskreditexponering och allokering av ekonomiskt kapital över affärsområden. Investeringsförvaltare använder VaR för portföljkonstruktion (optimering av portföljen för att uppnå mål-Var inom riskbudgetens begränsningar), kundrapportering (avslöjande av portföljrisk i standardiserad form), fondprospektriskupplysningar (krävs i UCITS-fonder i EU) och stresstester. Riskhanteringssystem hos stora banker beräknar VaR i realtid över tusentals positioner och tillgångsklasser för att samla företagsövergripande marknadsriskexponering.
Vanliga misstag att undvika
▾
- !Behandla VaR som den maximala möjliga förlusten — VaR är ett konfidensintervalls nedre gräns för svansförluster, inte ett absolut värsta fall.
- !Att använda ett för kort historiskt fönster för VaR-uppskattning – färre än 250 handelsdagar ger otillförlitliga parametriska uppskattningar och otillräckliga svansobservationer för historisk simulering.
- !Tillämpning av skalningsregeln för kvadratroten av tiden på avkastning med signifikant autokorrelation eller medelåtergång, vilket leder till felaktiga flerdagars VaR-uppskattningar.
- !Jämföra VaR beräknade vid olika konfidensnivåer eller tidshorisonter utan att justera för dessa skillnader.
- !Att ignorera förväntat underskott och stresstester – VaR ensamt är inte tillräckligt för en omfattande riskhantering och kan inte beskriva svårighetsgraden av svansförluster.
Proffstips
Komplettera alltid VaR med Expected Shortfall (CVaR) och historiska stresstester med hjälp av faktiska krisscenarier (2008, 2020). Fråga: 'Om vi är i 1%-svans, hur illa kan det bli?' — det är frågan som VaR inte kan svara på men riskhanteringen kan inte ignorera.
Visste du?
J.P. Morgans RiskMetrics-publikation från 1994, som populariserade VaR, drevs av en begäran från dåvarande vd Dennis Weatherstone som ville ha en enda daglig rapport som sammanfattar företagets totala risk i ett nummer. Resultatet – ”4:15-rapporten” som levererades 15 minuter efter marknadens stängning – förändrade global bankriskhantering för alltid.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
Referenser
- ›J.P. Morgan RiskMetrics Technical Document (4:e upplagan, 1996)
- ›Investopedia: Value at Risk (VaR) förklaras
- ›Baselkommittén för banktillsyn: grundläggande översyn av handelsboken (FRTB)
- ›Jorion, P. (2006). Value at Risk: The New Benchmark for Managing Financial Risk (3:e upplagan). McGraw-Hill.
Få mattetips varje vecka
Gå med 12 000+ prenumeranter som får räknartips varje vecka.