Il Value at Risk, o VaR, è una soglia nella distribuzione delle perdite di un portafoglio su un orizzonte definito. Un VaR giornaliero al 95% di 1.000 euro indica che, secondo il modello, il 95% degli esiti presenta una perdita non superiore a quella soglia. Gli esiti peggiori possono comportare perdite maggiori.
Un esempio con cento scenari
Ordina cento scenari giornalieri equiprobabili dalla perdita minore alla maggiore. Nella convenzione del quantile a rango più vicino, il VaR al 95% è la 95ª osservazione ordinata. Supponi che sia 1.000 euro e che le cinque perdite successive siano 1.200, 1.500, 2.000, 3.000 e 5.000 euro.
Il VaR resta 1.000 euro anche se l’ultima perdita diventa 20.000 euro, finché il 95° valore non cambia. Questo esempio mostra perché occorre guardare anche la coda. Con pochi dati o valori ripetuti, diverse convenzioni di interpolazione del quantile possono produrre risultati differenti.
Tre informazioni da leggere insieme
Scrivi sempre importo, confidenza e orizzonte. Un VaR a un giorno non è confrontabile direttamente con uno a un mese. Moltiplicarlo per la radice del numero di giorni richiede ipotesi sulla distribuzione e sulla dipendenza dei rendimenti che possono non essere adeguate.
Individua anche il metodo. Una simulazione storica usa movimenti osservati; un modello parametrico impone una struttura statistica; una simulazione Monte Carlo genera scenari secondo ipotesi esplicite. La scelta della finestra e il modo di rivalutare strumenti con opzioni possono incidere sulla soglia.
Controllare il dato nel tempo
Confronta le perdite effettive con i VaR stimati in precedenza e osserva quante volte, e in quali fasi, la soglia viene superata. Un campione breve può risultare rassicurante soltanto perché non contiene episodi severi. Le eccezioni concentrate nello stesso periodo possono indicare che il rischio cambia più rapidamente del modello.
Per usare una scheda di rischio chiedi quali posizioni includa, come tratti liquidità e cambio e se presuma che il portafoglio resti fermo. Affianca al quantile un’analisi della perdita media nella coda e scenari di stress plausibili per le esposizioni effettive.
Approfondimenti collegati
- Expected Shortfall: calcolare la perdita media nella coda
- Downside deviation: misurare gli scostamenti sotto un obiettivo
Fonti
Verifica editoriale del 7 novembre 2026. Esempi ipotetici a scopo informativo. Copertina fotorealistica generata con IA.