لیم و همکاران (۲۰۱۱)
از ارزش در معرض ریسک شرطی برای انتخاب سبد بهینه سهام استفاده نمودند.
لونبارک و همکاران (۲۰۱۱)
رویه ارزش‌گذاری پرتفوی برای محاسبه ارزش در معرض ریسک و ریزش انتظاری بسیار مهم است.
دیاماندیس و همکاران (۲۰۱۱)
مدل APARCH بدلیل درنظر گرفتن (با توجه به توزیع مورد استفاده) دم پهن چپ و راست مدل مناسبتری برالی تخمین VaR می‌باشد.
لو (۲۰۱۱)
در مطالعه‌ای ارزش در معرض ریسک سالانه ریسک عملیاتی بانک‌های تجاری چین را برای دوره ۱۹۹۹ تا ۲۰۰۶ محاسبه نمود.
سو و هنگ (۲۰۱۱)
یک تحلیل جامعی از تاثیر احتمالی پویایی‌های جهشی، دم پهن و کشیدگی با توجه به تخمین VaR از طریق بررسی دقت و کارایی تدوین نموند.
جو و همکاران (۲۰۱۲)
یک روش جدیدی برای بهینه‌سازی پرتفوی بوسیله تفکیک توزیع‌های بازدهی دارایی پیشنهاد دادند. این رویکرد ارزش در معرض ریسک قسمت‌بندی شده (PVaR) می‌باشد که اندازه‌گیری ریسک با بهره گرفتن از اطلاعات آماری را حداقل می‌کند.
مابروک و سعدی (۲۰۱۲)
عملکرد مدل‌های نوسانی خانواده GARCH و ریسک متریکس را در تخمین VaR یک روز به جلو ۷ بازار سهام را با بهره گرفتن از توزیع‌های مختلف نرمال، تی- استیودنت و تی- استیودنت چوله بررسی کردند.
عباد و بنیتو (۲۰۱۲)
در بین مدل‌های مورد مطالعه، مدل‌های پارامتریک و در بین آنها مدل GARCH نامتقارن با توزیع تی- استیودنت بهترین خروجی را در تخمین VaR داد.
استاورویانیس و همکاران (۲۰۱۲)
با تاکید بر موضوع بحران مالی اخیر ۹-۲۰۰۷ الزامات موافقت‌نامه بازل II را در خصوص کفایت سرمایه، همچنین تناسب ارزش در معرض ریسک را برای اندازه‌گیری صحت مدل‌های «آزمون تست» و «آزمون بازخور[۲۴۵]» به چالش کشید
اسکامبورگ (۲۰۱۲)
یک چارچوبی را معرفی کرد که اجازه می‌دهد تا رگرسیون کوانتایل غیر پارامتریک را برای پیش‌بینی VaR در هر سطح احتمال مورد علاقه بکار ببریم
فورس برگ (۲۰۱۲)
مدل GJR-GARCH با توزیع نرمال برای ۴ بازار و مدل GARCH با توزیع نرمال برای بازار HANG SENG مناسبترین روش برای تخمین VaR می‌باشند.
هالبلیب و پوهلمیر (۲۰۱۲)
رویکرد VaR داده-محور را به عنوان ابزاری برای کمّی‌سازی زیان حدی معرفی نمودند. این روش جدید مزایای زیادی نظیر: دستاوردهای متنوع‌سازی، تقویت شکست ساختار، تقویت ریسک مدل نادرست و تصحیح انحراف VaR نوعی و در نتیجه حفظ انعطاف شرایط بازاری گوناگون دارد.
هالبلید و پوهلمریر (۲۰۱۲)
یک متودولفوژی از محاسبه VaR بر پایه اصل “ترکیب بهینه” برای پیش‌بینی‌های زیان‌ها در طول دوره‌های همراه با ریسک مالی بالا پیشنهاد داده‌اند.
اولسون و وو(۲۰۱۲)
نتایج VaR مبتنی بر توزیع‌های نرمال و لجستیک در مدل‌های مختلف احتمالات تحت روش مونت کارلو مورد مقایسه قرار داد. در این مطالعه آزمون خی-دو نشان داد که توزیع لجستیک سازگاری(برازش) بهتری نسبت به توزیع‌های نرمال دارد.
گابریل (۲۰۱۲)
