CVaR是基于风险价值（Value at Risk, VaR）发展而来的，是在一定置信水平α下，损失超过VaR值时的条件均值。VaR是指在一定的置信水平下，某一投资组合在未来某一时间段内的最大损失。 例程中介绍了CVaR相关的编程方法以及各参数的取值范围，注释详细，可直接运行。

在估算风险度量时，准确地模拟干散货运输收益的经验分布极为重要。 基于几种常用的分布和替代分布，本文建立了九种不同的风险模型来预测干散货运输市场的风险价值（VaR）。 探索了几种回测以比较VaR预测的准确性。 实证结果表明，基于常用分布的风险模型具有相对较差的性能，而替代分布（即偏斜学生-T（SST）分布，斜泛广义误差分布（SGED）和双曲线分布（HYP）产生的VaR更准确测量。 实证结果表明，风险管理者在管理干散货运输市场中的极端风险时会进一步考虑更灵活的经验分布。

充分利用灵活性资源的调节作用能够有效平抑风电的随机波动，提高风电接纳能力。提出一种计及源荷储综合灵活性的电力系统日前优化调度方法。分析了电力系统灵活性需求及源荷储灵活性供给特性，综合考虑系统运行灵活性概率平衡特性；基于条件风险价值(CVaR)度量灵活性不足给电力系统带来的风险损失，将CVaR融入目标函数以优化分配有限的灵活性资源；构建了计及灵活性的随机优化调度模型。以IEEE 39节点系统和实际区域电网为算例验证了所提方法和模型的可行性、有效性。

运用蒙特卡罗模拟法计算单边的风险价值VaR

风险价值VAR模型与算法.txt

供应链外包的DEA与风险价值模型概述

由于风电功率预测的局限性，难以准确而有效地刻画风电功率的概率分布函数，提出考虑风电功率概率分布不确定性的含风电配电网无功规划方法。该方法可有效应用于风电概率分布集合中的任意分布情况，在一定概率约束下保证配电网的安全运行要求，同时最小化配电网网损和无功设备投资成本之和。采用概率分布鲁棒机会约束模型描述含风电的配电网无功规划问题，根据潮流平衡等式分离节点电压和支路功率约束中的随机向量，根据条件风险价值（CVaR）的物理意义构建关于节点电压约束和支路功率约束的CVaR模型，利用对偶优化、Schur补和S-lemma的性质将该模型转化为确定性的双线性矩阵不等式（BMI）问题。采用基于BMI优化的免疫粒子群算法求解该问题。改进的IEEE 33节点配电系统仿真结果验证了所提无功规划方法的可行性和有效性。

为了分析多个投资商在不同风险偏好下的虚拟电厂容量配置问题，提出一种风险导向下基于成本效益分析的多投资商虚拟电厂容量配置模型。首先，参考城市热环境设计中典型气象日的定义，提出一种基于最小相对偏差的典型日场景集构建方法；其次，以各投资商年均建设运维成本最小为目标函数，考虑分时电价、建设补贴等因素，分别运用条件风险价值度量风、光、负荷不确定性带来的经济风险，并将其与目标函数相结合，构建多投资商虚拟电厂容量配置模型；最后，基于成本效益分析原则，采用净现值和内部收益率对配置结果的可行性和抗风险能力进行评价。仿真结果表明该模型能够根据不同投资商的风险偏好给出相应容量配置方案并对决策结果进行经济学评价。

变量值 使用蒙特卡罗和 GBM 模型计算股票的风险价值 (VaR) 的共享内存并行 Python 代码

Python_Portfolio__VaR_Tool 基于Python的风险管理工具，可从Yahoo Finance中获取数据，并计算基于单个股票和投资组合的不同类型的风险价值（VaR）指标以及许多其他风险/回报特征，包括独立的和相对于选择基准（使用wxPython构造） 此wxPython Notebook笔记本应用/小部件允许通过Pandas Datareader从Yahoo Finance检索股票/指数数据，这些数据又与初始投资组合权重和选择的基准相结合，以计算以下风险/回报指标： 历史回报（年度和每日-分别基于股票，基准和投资组合） 收益率的历史标准差（年度和每日-分别基于股票，基准和投资组合） 年夏普比率（分别基于股票，基准和投资组合） Beta（分别基于股票，基准和投资组合） 事后跟踪错误与选择的基准 基于单个股票和投资组合的每日收益直方图 基于单个股票和投资组合建