求助一道会计题，风险收益的计量——M公司风险收益的计量(请看清楚题里的数据）
纯净水 50%*200+25%*50-25%*10=100+12.5-2.5=110啤酒 60%*160+20%*90-20%*25=96+18-5=109评价方案两种方案,我采用的是销量法进行方案的评价.纯净水,在市场好的情况下.预计利润为100万.而啤酒是96万,两者相差不大,也就是说,在夏天,纯净水与啤酒的利润是差不多的.没有可比性.这句话也可以这样说,在市场需求达到最高峰的时候纯净水与啤酒的利润水平是一致的.在一般的时候, 纯净水的利润为12.5万.而啤酒的利润则是18万.啤酒与纯净水的利润比是44%啤酒相对好一些.但是,一般的时候,在北方,应该是在春天与秋天.纯净水的走势就会减弱,啤酒的下降幅度跟纯净水相比小一些.那么.在销售淡季,应该选择啤酒.也可以这样说在市场萌芽时与市场成熟时,啤酒的供给高于纯净水的供给.在差的时候,纯净水的利润为-2.5万元.而啤酒则为-5万元.纯净水的利润下降比啤酒要小得多.啤酒与纯净水的利润比是50%.也就是说,在北方,冬天的啤酒销量与纯净水的销量是不成比例的.在一般情况下.啤酒的利润比纯净水的利润多出来5.5万元.而在差的情况下.啤酒的利润比纯净水的利润少了2.5万元.综合以上情况考虑,应该选择纯净水较为适宜.
风险与收益的关系怎样
一、折现率的确定原则 （一）折现率必须高于无风险报酬率 无风险报酬率通常以政府发行的国库券利率、银行储蓄、贷款利率作为参考。
折现率高于无风险利报酬率的部分即风险报酬率。
在市场经济中，每项投资都伴随着一定风险，投资者进行投资都希望能获得更多的收益。
无风险报酬率实质上是决定投资者是否进行投资的最低标准，因此折现率必须高于无风险报酬率。
（二）折现率应体现投资回报率 在正常的资本市场条件下，每项投资的回报不应低于该投资的机会成本。
无形资产评估中的折现率反映的是资产的期望收益率。
收益率与投资风险成正比，风险越大，期望收益越高；风险越小，期望收益也少。
因此，在评估无形资产价值时，折现率应充分体现投资回报率。
（三）折现率要考虑通货膨胀因素 由通货膨胀造成的贬值应该在折现率中体现出来。
如果在预计资产的未来现金流量时考虑了通货膨胀，那么在估计折现率时也应该考虑通货膨胀率，反之则不予考虑。
（四）折现率与所选收益额的计算口径相匹配 在评估实务中，收益额可以因评估目的不同而采用不同的计算口径，如采用净利润、净现金流量等。
在预计资产的未来现金流量时已经对资产特定风险的影响做了调整的，估计折现率时不需要考虑这些特定风险；如果用于估计折现率的基础是税后的，应当将其调整为税前的折现率。
针对不同的收益额进行评估时，只有将收益额与折现率之间计算口径相匹配，才能保证评估结果的合理性。
（五）折现率要能够体现资产的收益风险 一定的收益与一定的风险相伴随，在市场经济条件下，企业要想取得高收益就必须承担高风险。
因此，折现率在选择时要能体现资产的收益风险。
二、折现率确定的主要方法 （一）加权平均资本成本法 企业的资产多种多样，各类资产具有不同的成本，这种方法是通过企业全部资产的加权平均投资回报率来计算无形资产的投资回报率，即用企业的加权平均资本成本作为折现率的替代。
这是因为企业的加权平均资本成本是企业进行各种投资时所要求的必要报酬率。
但是如果直接采用企业全部资产的加权平均投资回报率作为无形资产的投资回报率，将会低估投资的风险，从而使折现率取值偏低。
（二）风险累加法 折现率由无风险报酬率和风险报酬率组成。
累加法是一种将无形资产的无风险报酬率和风险报酬率量化并累加求取折现率的方法。
无风险报酬率是指在正常条件下的获利水平，是所有的投资都应该得到的投资回报率。
风险报酬率是指投资者承担投资风险所获得的超过无风险报酬率以上部分的投资回报率，根据风险的大小确定，随着投资风险的递增而加大。
风险报酬率一般由评估人员对无形资产的开发风险、经营风险、财务风险等进行分析并通过经验判断来取得，其公式为： 风险报酬率=开发风险报酬率+经营风险报酬率+财务风险报酬率 风险累加法在运用时要考虑的问题有：一是注意无形资产所面临的特殊风险。
无形资产所面临的风险与有形资产不同，如商标权的盗用风险、专利权的侵权风险、非专利技术的泄密风险等等。
二是如何确定计人折现率的内容和这些内容的比率数值。
三是折现率与无形资产收益是否匹配。
（三）行业平均资产收益率法 行业平均资产收益率法是目前我国无形资产评估时确定折现率常用的方法之一，这种方法将被评估企业所在行业的平均资产收益率作为折现率。
行业平均资产收益率可以从社会经济统计资料中获得，也可以通过上市公司的统计资料得到，因为上市公司采用公开的财务制度，且财务报表经过注册会计师的严格审计，具有可靠性，因此这样算出的行业平均资产收益率比较合理。
行业平均资产收益率是企业运行情况的综合体现，可以反映不同行业的收益状况。
但这种方法在运用中也存在一些问题，如行业平均资产收益率容易忽视行业内部差别，同一行业内部各个企业在决定企业风险的因素上有着很大差异，从社会经济统计资料中直接获得的相关数据与被评估无形资产的收益能力不相同等等，因此在用行业平均资产收益率作为无形资产评估折现率的时候要根据具体情况做出判断，将在此基础上修正后的行业平均资产收益率作为折现率。
（四）资本资产定价模型 西方国家主要使用资本资产定价模型确定折现率。
其计算公式为： i=Rf+β（Rm+Rf）+α 式中：i为折现率；Rf为无风险报酬率；Rm为期望报酬率；β为风险系数；α为企业个别风险调整系数。
采用资本资产定价模型得出的折现率，也是通过计算资金的无风险报酬率加风险报酬率得到的。
该模型确定了在不确定条件下投资风险与报酬之间的数量关系，在一系列严格资本假设条件下推导而出，如投资人是风险厌恶者；不存在交易成本；市场是完全可分散和可流动的等。
根据我国目前资本市场的发展现状，运用该模型的条件还不太成熟。
我国证券市场建立时间较短，发展尚不完善，信息不够充分有效，因此对β系数的计算具有一定局限性。
β系数的计算需要大量的数据支持，一般只有上市公司能够计算。
目前在实际工作中，主要由专门机构定期计算公布。
三、折现率确定方法需考虑的因素 （一）企业与评估对象的实际情况 评估人员在进行无形资产评估时，应查阅被评估企业资产近年的获利情况、发展趋势、被评估无形资产的特有风险报酬率以及企业所在行业的可比经济参数等，在此基础上选择折现率的确定方法。
（二）不同的评估目的 要根据不同的评估目的选择不同的评估方法。
只有根据无形资产的评估目的、未来使用情况来确定无形资产的折现率，才能使其与被评估的无形资产具有更强的相关性，评估结果才会更准确。
企业一般在两种情况下需要对无形资产进行评估：一是出售无形资产、作价入股、债务重组或非货币性资产交换，这些情况会改变无形资产目前的使用条件或不能再被企业使用，此时可以使用行业平均资产收益率法估算折现率。
此外，在交易中，交易的双方都是理性的，因此评估人员还要分别从资产转让者与资产购买者两个角度出发考虑确定折现率。
如当委托方为资产的转让者时，可根据行业平均资产收益率确定折现率；当委托方为资产购买者时，可采用资本资产定价模型确定折现率。
二是在企业进行资产评估时，将无形资产作为企业整体资产的一部分进行评估，在这种情况下无形资产会按照现有用途继续使用。
此时要考虑无形资产收益在企业总收益中所占的比例以及所承担的风险，可以采用风险累加法和行业平均资产收益率法确定折现率。
（三）其他因素 在选择无形资产评估的折现率确定方法时还需考虑的因素有： 第一，将静态分析与动态分析结合。
静态分析是假设无形资产在未来各时期的预期收益固定不变，与预期收益相匹配的折现率也固定不变。
但在实务中，预期收益具有波动性，每年都会发生变化，折现率也会因银行利率、社会经济、通货膨胀等因素的影响而产生波动。
仅仅使用静态分析估测无形资产评估折现率会使评估结果失真，因此还应该使用动态分析法估测折现率，利用变动的折现率对预计未来现金净流量进行折现，才能比较恰当地反映无形资产的价值。
所以对折现率的确定，要将静态分析与动态分析结合起来。
第二，将因素分析与模型分析结合。
因素分析是将影响无形资产收益的风险因素进行分析并累加得出无形资产的折现率，风险的量化容易受评估人员主观影响，使评估结果有失偏颇。
模型分析以一系列假设条件为前提确定折现率，假定资本市场是规范的、理想化的。
目前常用的折现率模型是资本资产定价模型。
但是，就我国的实际情况而言，模型分析所依据的假设条件并不完全具备，因此模型分析在理论上可以优先考虑，但在实际操作中还存在着问题。
因此，评估人员应该将模型分析与因素分析相结合，以便符合我国无形资产评估所处的环境。
第三，将定性分析与定量分析结合。
对折现率的定量分析有时会因为选取的数据缺乏有效性而导致折现率不确定，所以还需做必要的定性分析。
折现率的选取在一定程度上要依赖于评估人员的主观判断，受评估人员专业知识和从业经验的影响，所以评估人员要注意平时经验和专业知识的积累，提高自己的专业素质，对折现率的选取做到定性分析与定量分析相结合，尽量使折现率选取客观，使无形资产的价值得到可靠计量。
请采纳答案，支持我一下。
证券组合投资的收益与风险计算
从财务管理的角度来看，风险是企业在各项财务活动中，由于各项难以预料或无法控制的因素作用，使企业的实际收益与预期收益发生背离，从而蒙受经济损失的可能性。
资产的风险是指资产收益率的不确定性，其大小可用资产收益率的离散程度来衡量。
资产收益率的离散程度是指资产收益率的各种可能结果与预期收益率的偏差。
风险的衡量是指通过一定的方法计量特定项目或事件的风险程度，一般使用概率和统计方法来进行。
有关VAR风险价值的计算问题
风险价值法(VAR) （一）概念 VAR实际上是要回答在概率给定情况下，银行投资组合价值在下一阶段最多可能损失多少。
在风险管理的各种方法中，VAR方法最为引人瞩目。
尤其是在过去的几年里，许多银行和法规制定者开始把这种方法当作全行业衡量风险的一种标准来看待。
VAR之所以具有吸引力是因为它把银行的全部资产组合风险概括为一个简单的数字，并以美元计量单位来表示风险管理的核心——潜在亏损。
（二）特点 ①可以用来简单明了表示市场风险的大小，单位是美元或其他货币，没有任何技术色彩，没有任何专业背景的投资者和管理者都可以通过VAR值对金融风险进行评判； ②可以事前计算风险，不像以往风险管理的方法都是在事后衡量风险大小； ③不仅能计算单个金融工具的风险。
还能计算由多个金融工具组成的投资组合风险，这是传统金融风险管理所不能做到的。
（三）应用 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VAR方法作为金融衍生工具风险管理的手段。
利用VAR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有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。
但VAR方法也有其局限性。
VAR方法衡量的主要是市场风险，如单纯依靠VAR方法，就会忽视其他种类的风险如信用风险。
另外，从技术角度讲。
VAR值表明的是一定置信度内的最大损失，但并不能绝对排除高于VAR值的损失发生的可能性。
例如假设一天的99％置信度下的VAR＝＄1000万，仍会有1％的可能性会使损失超过1000万美元。
这种情况一旦发生，给经营单位带来的后果就是灾难性的。
所以在金融风险管理中，VAR方法并不能涵盖一切，仍需综合使用各种其他的定性、定量分析方法。
亚洲金融危机还提醒风险管理者：风险价值法并不能预测到投资组合的确切损失程度，也无法捕捉到市场风险与信用风险间的相互关系。
VaR风险控制模型 （一）VaR模型基本思想编辑本段 VaR按字面的解释就是“处于风险状态的价值”，即在一定置信水平和一定持有期内，某一金融工具或其组合在未来资产价格波动下所面临的最大损失额。
JP.Morgan定义为：VaR是在既定头寸被冲销（be neutraliged）或重估前可能发生的市场价值最大损失的估计值；而Jorion则把VaR定义为：“给定置信区间的一个持有期内的最坏的预期损失”。
（二）VaR基本模型 根据Jorion（1996），VaR可定义为： VaR=E（ω）-ω* ① 式中E（ω）为资产组合的预期价值；ω为资产组合的期末价值；ω*为置信水平α下投资组合的最低期末价值。
又设ω=ω0（1+R） ② 式中ω0为持有期初资产组合价值，R为设定持有期内（通常一年）资产组合的收益率。
ω*=ω0（1+R*） ③ R*为资产组合在置信水平α下的最低收益率。
根据数学期望值的基本性质，将②、③式代入①式，有 VaR=E[ω0（1+R）]-ω0（1+R*） =Eω0+Eω0（R）-ω0-ω0R* =ω0+ω0E（R）-ω0-ω0R* =ω0E（R）-ω0R* =ω0[E（R）-R*]ω ∴VaR=ω0[E（R）-R*] ④ 上式公式中④即为该资产组合的VaR值，根据公式④，如果能求出置信水平α下的R*，即可求出该资产组合的VaR值。
（三）VaR模型的假设条件 VaR模型通常假设如下： ⒈市场有效性假设； ⒉市场波动是随机的，不存在自相关。
一般来说，利用数学模型定量分析社会经济现象，都必须遵循其假设条件，特别是对于我国金融业来说，由于市场尚需规范，政府干预行为较为严重，不能完全满足强有效性和市场波动的随机性，在利用VaR模型时，只能近似地正态处理。
（四）VaR模型计算方法 从前面①、④两式可看出，计算VAR相当于计算E（ω）和ω*或者E（R）和R*的数值。
从目前来看，主要采用三种方法计算VaR值。
⒈历史模拟法（historical simulation method） ⒉方差—协方差法 ⒊蒙特卡罗模拟法（Monte Carlo simulation） 1、历史模拟法 “历史模拟法”是借助于计算过去一段时间内的资产组合风险收益的频度分布，通过找到历史上一段时间内的平均收益，以及在既定置信水平α下的最低收益率，计算资产组合的VaR值。
“历史模拟法”假定收益随时间独立同分布，以收益的历史数据样本的直方图作为对收益真实分布的估计，分布形式完全由数据决定，不会丢失和扭曲信息，然后用历史数据样本直方图的P—分位数据作为对收益分布的P—分位数—波动的估计。
一般地，在频度分布图中横轴衡量某机构某日收入的大小，纵轴衡量一年内出现相应收入组的天数，以此反映该机构过去一年内资产组合收益的频度分布。
首先，计算平均每日收入E（ω） 其次，确定ω*的大小，相当于图中左端每日收入为负数的区间内，给定置信水平 α，寻找和确定相应最低的每日收益值。
设置信水平为α，由于观测日为T，则意味差在图的左端让出 t=T×α，即可得到α概率水平下的最低值ω*。
由此可得： VaR=E（ω）-ω* 2、方差—协方差法 “方差—协方差”法同样是运用历史资料，计算资产组合的VaR值。
其基本思路为： 首先，利用历史数据计算资产组合的收益的方差、标准差、协方差； 其次，假定资产组合收益是正态分布，可求出在一定置信水平下，反映了分布偏离均值程度的临界值； 第三，建立与风险损失的联系，推导VaR值。
设某一资产组合在单位时间内的均值为μ，数准差为σ，R*～μ（μ、σ），又设α为置信水平α下的临界值，根据正态分布的性质，在α概率水平下，可能发生的偏离均值的最大距离为μ-ασ， 即R*=μ-ασ。
∵E（R）=μ 根据VaR=ω0[E（R）-R*] 有 VaR=ω0[μ-（μ-ασ）]=ω0ασ 假设持有期为 △t，则均值和数准差分别为μ△t和 ，这时上式则变为： VaR=ω0•α• 因此，我们只要能计算出某种组合的数准差σ，则可求出其VaR的值，一般情况下，某种组合的数准差σ可通过如下公式来计算 其中，n为资产组合的金融工具种类，Pi为第i种金融工具的市场价值，σi第i种金融工具的数准差，σij为金融工具i、j的相关系数。
除了历史模拟法和方差—数准差法外，对于计算资产组合的VaR的方法还有更为复杂的“蒙特卡罗模拟法”。
它是基于历史数据和既定分布假定的参数特征，借助随机产生的方法模拟出大量的资产组合收益的数值，再计算VaR值。
风险估价技术比较 ⒈确认头寸 找到受市场风险影响的各种金融工具的全部头寸 ⒉确认风险因素 确认影响资产组合中金融工具的各种风险因素 ⒊获得持有期内风险因素的收益分布 计算过去年份里的历史上的频度分布 计算过去年份里风险因素的标准差和相关系数 假定特定的参数分布或从历史资料中按自助法随机产生 ⒋将风险因素的收益与金融工具头寸相联系 将头寸的盯住市场价值（mark to market value）表示为风险因素的函数 按照风险因素分解头寸（risk mapping） 将头寸的盯住市场价值（mark to market value）表示为风险因素的函数 ⒌计算资产组合的可变性 利用从步骤3和步骤4得到的结果模拟资产组合收益的频度分布 假定风险因素是呈正态分布，计算资产组合的标准差 利用从步骤3和步骤4得到的结果模拟资产组合收益的频度分布 ⒍给定置信区间推导VAR VaR模型在金融风险管理中的应用 VaR模型在金融风险管理中的应用越来越广泛，特别是随着VaR模型的不断改进，不但应用于金融机构的市场风险、使用风险的定量研究，而且VaR模型正与线性规划模型（LPM）和非线性规划模型（ULPM）等规划模型论，有机地结合起来，确定金融机构市场风险等的最佳定量分析法，以利于金融机构对于潜在风险控制进行最优决策。
对于VaR在国外的应用，正如文中引言指出，巴塞尔委员会要求有条件的银行将VaR值结合银行内部模型，计算适应市场风险要求的资本数额；G20建议用VaR来衡量衍生工具的市场风险，并且认为是市场风险测量和控制的最佳方法；SEC也要求美国公司采用VaR模型作为三种可行的披露其衍生交易活动信息的方法之一。
这表明不但金融机构内部越来越多地采用VaR作为评判金融机构本身的金融风险，同时，越来越多的督管机构也用VaR方法作为评判金融机构风险大小的方法。
我国对VaR模型的引介始于近年，具有较多的研究成果，但VaR模型的应用现在确处于起步阶段，各金融机构已经充分认识到VaR的优点，正在研究适合于自身经营特点的VaR模型。
本部分就VAR模型在金融机构风险管理中的应用及其注意的问题介绍如下： 例1 来自JP.Morgan的例子 根据JP.Morgan1994年年报披露，该公司1994年一天的95%VAR值平均为1500万美元，这一结果可从反映JP.Morgan1994年日收益分布状况图中求出.该公司日均收益为500万美元，即E（ω）=500万美元。
如果给定α=95%，只需找一个ω*，使日收益率低于ω*的概率为5%，或者使日收益率低于ω*的ω出现的天数为254×5%=13天，从图中可以看出，ω*=－1000万美元。
根据VAR=E（ω）－ω*=500－（－1000）=1500万美元 值得注意的是，这只是过去一段时间的数值，依据过去推测未来的准确性取决于决定历史结果的各种因素、条件和形势等，以及这些因素是否具有同质性，否则，就要做出相应的调查，或者对历史数据进行修正。
这在我国由于金融机构非完全市场作用得到的数据更应该引起重视。
例2 来自长城证券杜海涛的研究 长城证券公司杜海涛在《VaR模型在证券风险管理中的应用》一文中，用VaR模型研究了市场指数的风险度量、单个证券的风险度量和证券投资基金净值的VaR等，研究表明，VaR模型对我国证券市场上的风险管理有较好的效果。
下面就作者关于市场指数的风险度量过程作一引用，旨在说明VaR的计算过程（本文引用时有删节）。
第一步 正态性检验 首先根据2000年1月4日至2000年6月2日期间共94个交易日的日收益率做分布直方图，由于深沪两市场具有高度相关性，此处仅以上证综合指数为例计算。
可以看出上证综合指数日收益率分布表现出较强的正态特征：众数附近十分集中，尾部细小。
分析表明，深市指数也有相同的特征。
下面利用数理统计的方法对2000年4月3日至6月2日期间上述3种指数的日收益率的分布情况进行正态性检验，检验结果如下： W(深证综指)=0.972445 W(深证成指)=0.978764 W(上证综指)=0.970279 W为正态假设检验统计量，当样本容量为40时取α =0.05(表示我们犯错误的概率仅为 α=0.05)，此时W0.05 =0.94，只有当W 时我们拒绝原假设。
从我们的检验结果来看，我们无法拒绝三种指数的日收益率服从正态分布的假设。
有关这三种指数日收益率的相关统计量见表1。
表1 三种指数日收益率统计量 深圳综合 深圳成分 上证综合 均 值（ ） 0.001318 0.001061 0.001561 标准差（ ） 0.013363 0.012582 0.012391 通过上面的分析，我们可以得出三种指数的日收益率基本上服从N(μ,σ)，由于三种指数的平均日收益率非常接近零值，故可近似为N(0，σ)。
第二步 VaR的计算 由于正态分布的特点，集中在均值附近左右各1.65σ区间范围内的概率为0.90，用公式表示为：P(μ-1.65σ，再根据正态分布的对称性可知P(X<μ-1.65σ )=P(X>μ+1.65σ)=0.05；则有P(X>μ-1.65σ)=0.95。
根据上面的计算结果可知在95%的置信度情况下： VaR值=T日的收盘价×1.65σ。
取2000年4月3日至2000年6月2日的数据，然后根据上面的公式可以计算出深证综指、深证成指、上证综指3种指数在2000年6月2日的VaR值分别为： 深证综合指数VaR=591.34×1.65×0.013363=13.04 深证成份指数VaR=4728.88×1.65×0.012582=98.17 上证综合指数VaR=1916.25×1.65×0.012391=39.17 其现实意义为：根据该模型可以有95%的把握判断指数在下一交易日即6月5日的收盘价不会低于T日收盘价－当日的VaR值； 即深证综合指数不会低于：591.34－13.04=578.30 深证成份指数不会低于：4728.88－98.17=4630.71 上证综合指数不会低于：1916.25－39.17=1877.08。
第三步 可靠性检验 现在来检验该模型的可靠性。
根据3种指数的VaR来预测下一个交易日的指数变动下限，并比较该下限和实际收盘价，看预测的结果与我们期望值之间的差别。
图2、图3、图4是3个指数于2000年4月3日至6月2日的实际走势与利用VaR预期下限的拟合图形。
现将样本区间内实际收盘指数低于预测下限的天数与95%置信度情况下的可能出现的期望天数作一统计对比，结果见表2。
表2 模型期望结果与实际结果的比较 深圳综合 深圳成分 上证综合 实际情况 3 3 3 期望情况 2 2 2 通过上面的计算我们可以发现应用VaR模型进行指数风险控制拟合结果较好。
至于三种指数均有3个交易日超过预测下限，这主要是由于考察期间适逢台湾政权更迭及美众院审议表决予华PNTR的议案，市场波动较大所致。
例3 来自银行家信托公司的例子 由于金融机构特别是在证券投资中，高收益常伴随着高风险，下级部门或者交易员可能冒巨大风险追求利润，但金融机构出于稳健经营的需要，有必要对下级部门或者交易员可能的过渡投资机行为进行限制，因而引入考虑风险因素的业绩评价体系，美国银行和信托公司将VaR模型用于业绩评估中，确立了业绩评价指数——经风险调查的资本收益，即RAROC= ，从公式可看出，即使收益再高，但由于VaR也高，则RAROC也不会很高，其业绩评价也不可能很高。
因此，将金融机构将VaR应用于业绩评价中，可对过度投机行为进行限制，使金融机构能更好地选择在最小风险下获取较大收益的项目。
同时，杜海涛也将VaR方法用于对我国5只基金管理人的经营业绩评价，评价结果如下表： 我国5只基金管理人的RAROC比较表 基金开元 基金普惠 基金金泰 基金安信 基金裕阳 VaR值 0.1178 0.0919 0.0880 0.1240 0.1185 收益率 0.4153 0.2982 0.3592 0.4206 0.3309 RAROC 2.8467 2.7495 3.5188 3.1707 2.7938 日收益率的标准差 0.045623 0.03748 0.035623 0.037033 0.036559 数据来源：杜海涛《VaR模型在证券风险管理中的应用》 随着我国加入WTO，金融全球化挑战我国的金融改革及创新，特别是金融理论的创新和控制风险技术的创新，如何将金融风险控制到最小程度，真正使金融体系成为支撑社会经济的基础，达到为社会分散经济风险的目的，是我国金融界必须面对的艰巨任务，如何用定量方法测度和控制金融风险，是金融机构和监管当局必须面对的问题。
从金融机构本身来看，将风险定量分析方法，比如VaR模型应用于日常的风险管理，将市场风险和信用风险降到最低的程度，以期获取最大的利润回报，是金融机构的义不容辞的事情，也是其当务之急。
从监管当局来看，促使金融机构应用先进的控制风险技术，使金融家们能够随心所欲地剥离各种风险，即对各种复杂的风险进行精确的计算和配置，将有利于我国的监管水平有较大的提高。
因此，我国的金融机构和金融监管当局非常有必要将VaR模型等风险控制技术引入我国金融风险管理将非常必要，且具有一定的现实意义。
