Miara zagrożenia Value at Risk, tzw. wartość zagrożona jest rekomendowana do pomiaru ryzyka banków, w szczególności ryzyka ich portfeli inwestycyjnych, dlatego można ją adaptować na potrzeby portfeli funduszy emerytalnych. Formalnie VaR definiuje się jako stratę wartości rynkowej (np. instrumentu, portfela, instytucji), taką, że prawdopodobieństwo jej osiągnięcia lub przekroczenia (w zadanym przedziale czasowym) jest równe zadanemu poziomowi tolerancji.

Im niższy poziom tolerancji, tym wyższa jest wartość VaR, a im dłuższy jest rozpatrywany przedział czasowy, tym również wyższa jest wartość VaR.

W odniesieniu do portfela VaR określone jest za pomocą równania:

W₀ – obecna wartość portfela;

W – wartość portfela na końcu okresu, traktowana jako zmienna losowa;

α – poziom tolerancji, równy 1 minus poziom ufności.

VaR jest funkcją kwantyla rozkładu wartości. Można również dowieść, że:

gdzie:

R_α. - kwantyl rozkładu stopy zwrotu odpowiadający zadanemu prawdopodobieństwu.

Value at Risk jest różnicą między obecną wartością portfela a zaznaczonym kwantylem rozkładu.

Miara ta wskazuje na zagrożenie portfela funduszu, a zatem może być zastosowana bezpośrednio do monitorowania na bieżąco ryzyka portfela funduszu. W związku z tym pojawiają się pytania o parametry tej miary oraz o metody jej oszacowania. Propozycje dotyczące parametrów są następujące:

- horyzont czasowy – miesiąc (na świecie tak najczęściej przyjmuje się dla funduszy inwestycyjnych);

- poziom ufności – 99,9% (dopuszcza on błąd w postaci przekroczenia VaR raz na 1000, czyli ok. raz na cztery lata).

Jeśli chodzi o metodę szacowania Value at Risk, to proponuje się metodę symulacji historycznej. W tej metodzie na podstawie danych historycznych z ostatniego roku określa się rozkład empiryczny historycznych stóp zwrotu. Wyznaczenie kwantyla tego rozkładu pozwala na bezpośrednie określenie VaR. Główną zaletą tej metody jest to, że jest nieparametryczna, tzn. z jednej strony nie ma tu ograniczeń wynikających z konieczności przyjęcia założenia postaci rozkładu, z drugiej strony unika się szacowania niektórych parametrów (takich jak np. średnia czy odchylenie standardowe) na podstawie danych historycznych.