风险价值是风险度量指标之一,是金融知识在统计学上的应用和计量方法上的应用,被用来度量风险。使用者们可以通过风险价值直观地了解到自己在未来的某一期间、某一概率内的最大损失值,帮助使用者们面临风险,应对风险。风险价值有很多计算方法,简单分为非参数、半参数和参数方法三大类。以此为基础又衍生了更多的计算模型,在不同的金融市场中发挥作用。本文选取了四种风险价值的计算方法进行比较。本文在理论上首先对研究背景、研究意义及文章创新点进行阐述。然后进行了文献综述并介绍了风险价值模型,包括其概念、计算方法、优缺点、应用以及检验方法,接着介绍了四种风险价值的计算方法。其中标准历史模拟法和核密度估计法为传统的计算方法,波动率加权历史模拟法和变核密度估计方法分别为前两个方法的改进。最后选取的样本数据是上证综指收盘价,数据的区间是2005年1月4日至2020年1月23日连续3662个交易日,对数据进行处理,得到3151个历史样本数据和510个对照数据,分别对四种方法进行实证检验,得到如下结果。第一,标准历史模拟法和核密度估计方法都无法显示市场的波动,所估计的波动率曲线几乎成一条直线,与实际波动不符。这是因为选取的历史样本估计数据有3151个,而在每一次进行估计时,只向后移动了一个数据,这对历史样本数据的分布几乎不产生影响,因此估计结果的波动非常小。波动率加权的历史模拟法相较于传统方法有很大改善。因为通过波动率加权进行了权重的调整,对每一个估计结果均进行了加权。首先根据样本数据的特点建立GARCH模型,然后预测样本波动率,将样本波动率与实际波动率作比,产生权重,将每一个估计数据都与权重系数相乘,得到新的估计结果,解决了标准历史模拟法估计结果几乎不发生变化的问题,估计结果可以反应市场风险的变动。第二,标准历史模拟法和核密度估计方法的准确性不高,在510个交易日的条件下,准确率均不在合理区间内,估计不准确。这是因为,选取的样本数据出现了极端值,对之后的估计产生了影响。这些数据使得应用标准历史模拟法估计和核密度估计法估计的结果也会偏低,从而高估了市场的风险。波动率加权历史模拟法和变核密度估计方法减小了时间距离稍远的历史样本数据的权重,从而改善了结果,提高了预测的准确性。