VaR主要应用于：１．用于风险控制。目前已有超过1000家的银行、保险公司、投资基金、养老金基金及非金融公司采用该方法作为金融衍生工具风险管理的手段。利用该方法进行风险控制，可以使每个交易员或交易单位都能确切地明了他们在进行多大风险的金融交易，并可以为每个交易员或交易单位设置VaR限额，以防止过度投机行为的出现。如果执行严格的VaR管理，一些金融交易的重大亏损也许就可以完全避免。２．用于业绩评估。在金融投资中，高收益总是伴随着高风险，交易员可能不惜冒巨大的风险去追逐巨额利润。公司出于稳健经营的需要，必须对交易员可能的过度投机行为进行限制。所以，有必要引入考虑风险因素的业绩评价指标。

　　四、风险的波动性特征

　　风险的易变性是指风险随时间变化。之所以如此，是因为金融价格随时间变化，处于不断波动之中。要想很好地刻画计量风险，就要讨论金融价格的波动性特征，也就要涉及到如何刻画金融价格的波动性。股票市场价格的波动性主要体现在未来价格偏离期望值的可能性，价格上涨或下跌的可能性越大，股票的波动性越大。可以说，股票的波动性代表了其未来价格的不确定性，这种不确定性一般用方差或者标准差来刻画(Markowitz，1952)。传统的经济计量模型在描述股票市场收益率时，一般都假设收益率的方差保持不变，但是大量的对股票收益率数据的实证研究结果表明，这一假设是不合理的。大量研究结果表明，股票收益率表现为在某个时间段波动大，而在另一个时间波动段又比较小的现象。对于这种具有“尖峰厚尾、微弱但持久记忆、波动集群”现象的时间序列，传统经济计量方法要求的同方差性的条件得不到满足，因此运用传统的回归模型进行建模进而进行统计推断往往会产生严重偏差。

　　Engle(1982)首先提出了ARCH模型，为解决此类问题提供了新的思路。 Bollerslev(1986)在Engle的基础上对异方差的表现形式进行了直接的线性扩展，形成了应用更为广泛的GARCH模型。但在实际应用中，GARCH模型虽然有助于模拟金融数据分布的宽尾特征，却不能解释金融市场上存在的杠杆效应。针对这一问题，近年来Nelson等人提出了非对称性GARCH模型，以刻画条件方差对正的价格变化反应弱而对负的价格变化反应强这一现象。这类模型包括TARCH、EGARCH等，收益率序列残差往往假定为正态分布，但实际上正态GARCH模型不能充分描述数据的尖峰厚尾特性。对此，可以假定残差服从t分布、混合正态分布或一般误差分布。