由于VaR是基于历史数据建模得出的未来风险价值，这样就需要对其预测结果的有效性与准确性进行检验，下面将引进失败频率检验法来进一步判别各种方法的优劣。假定计算VaR的置信度为α，实际考察天数为T，失败天数为N，失败频率为p （N／T）。零假设为p＝p＊。这样对VaR模型准确性的评估就转化为检验失败频率p是否显著且不同于p＊。假定VaR估计具有时间独立性，失败出现的次数可视为一系列独立的贝努里试验，则在T次实验中失败N次的概率为：

基于此Kupiec提出了对零假设p＝p＊最合适的似然比率检验：

在零假设成立的条件下，统计量LR～χ2（）1。

历史数据模拟方法的优点是概念直观，计算简单，容易被风险管理者和监管当局接受。另外，它不需要确定市场因子的统计分布，能够较好处理厚尾和非对称问题，无需估计参数，还能够避免模型风险。其缺点是它假定金融时间序列未来变化与历史变化一样，这在金融市场上是不合理的。另外，该方法需要大量的历史数据，并且难以进行灵敏度分析。(www.daowen.com)

方差-协方差方法包含大量VaR模型，其主要优点是灵活、简单，还可进行参数对结果影响的敏感性分析，因而应用广泛。其缺点是选择的历史数据可能不具有代表性，分布假定不能充分体现市场因子的实际分布。

蒙特卡罗模拟方法是一种全值估计方法，它无分布假定，处理非线性和非正态问题有强大能力，因而应用灵活。其主要的缺点就是依赖于特定的随机过程和所选择的过程，并且计算量过大，评估效率低下。

因此，在选择计算VaR的方法时，需要在计算效率、所需信息、准确性之间进行平衡。关键还是准确理解各种计算方法的缺点并加以控制，用最简单的方法获得最有价值的信息，而不是盲目追求精度。

主要方法的比较如表4-1所示。

表4-1 VaR计算主要方法直观比较