（一）VaR模型的缺点

VaR具有信息披露、资源配置、绩效评价等功能，国内外学者对此进行了深入的研究与探讨。然而，VaR方法的流行并不意味着它是一种合理有效的风险计量方法。实际上，研究结果和实践经验都表明，过于单纯的VaR风险计量方法存在严重的缺陷。

（1）VaR不是一致性风险度量。一致性风险度量要求计量方法满足四大条件：正齐次性、次可加性、单调性和传递不变性。而VaR在非正态分布情况下不满足一般风险度量模型所具有的次可加性，这就意味着用VaR来度量风险，证券组合的风险不一定小于各证券风险之组合，这与风险分散化的市场现象相违背，从经济意义上讲是不合理的。

（2）VaR不一定满足凸性，故在基于VaR对证券组合进行优化时，可能存在多个局部极值，在数学上难以实现整体优化，这是将VaR模型用于投资组合研究时的主要障碍。

（3）VaR只依赖于单一的损失函数的分位数，不能表明损失一旦超过VaR这种极端情况发生时（尤其是在肥尾时）的潜在损失的大小，并且容易通过特定的、狡诈的交易策略操纵和篡改报告的VaR值。所以，许多学者认为，欲弥补VaR的缺陷需另辟蹊径。

（4）VaR只是针对市场风险设计，虽然目前在信用风险中也有一些较好的应用，但是对于操作风险、道德风险、法律风险等无能为力。

（5）VaR方法要么过分依赖历史数据，如历史法、分析法，要么依赖一些分布假定，而寻找金融时间序列适当的分布并非易事。

（二）CVaR的产生(www.daowen.com)

为了克服VaR的不足，R．Tyrrell Rockafellar和Stanislav Uryasev在2000年提出了条件风险价值CVaR的风险计量技术。CVaR方法较之VaR方法有以下优点。

（1）CVaR是指损失超过VaR的条件均值，也称为平均超额损失（Mean Excess Loss），平 均 短 缺（Mean Shortfall）或 尾 部VaR（Tail VaR），它代表了超额损失的平均水平，反映了损失超过VaR阀值时可能遭受的平均潜在损失的大小，较之VaR更能体现潜在的风险价值。

（2）CVaR满足传递不变性、正齐次性、次可加性和单调性，因而是一致性风险度量。

（3）CVaR的计算以通过构造一个功能函数而化为一个凸数集的优化问题，在数学上容易处理，如用样本均值逼近总体均值，凸规划还可化为线性规划问题，计算更加简便易行。

（4）计算CVaR的同时，相应的VaR值也可同时获得，因此可对风险实行“双限”监管，这比用单纯的VaR更加保险，更不易遭受不法操纵与篡改。正因为CVaR具有VaR没有的优点，CVaR被学术界认为是一种比VaR风险计量技术更为合理有效的现代风险管理方法。它在金融风险度量中得到了深入的研究和广泛的应用。

在CVaR的定义中，有3个重要参数，持有期、置信水平与VaR。对于任意一个组合，在持有期和置信水平给定的情况下，VaR值是一定的。任何CVaR只有在给定持有期和置信水平这两个参数的情况下才有意义。