中国经济自改革开放以来经历了飞速增长,对债券市场也有明显的推动作用。目前我国债券存量已达到全球第二,因此对我国债券市场的研究对我国经济发展有着重要的意义。同时,随着存量债券额度的增加以及交易量的明显提升,投资组合所隐含的风险也明显增加。对于债券投资组合来说,其盈利主要来自于对资产端收益和负债端成本的控制。虽然二者主要受到的影响因素不尽相同,但资产端和负债端本身也存在互相影响的关系。本文通过使用三种模型——历史数据模拟法、方差协方差法、以及蒙特卡洛法,以及通过对中国债券市场数据进行测试,论证了VaR中国债券市场适用性的问题。首先,文章介绍了中国债券市场的背景以及该模型的发展背景。其次,本文归纳了之前研究中国内外对模型适用性的讨论,历史文献中对模型的研究主要分为模型的支持者与反对者。支持者的观点主要包括模型的简单易用性,而反对者的观点主要集中在模型忽略了投资组合的尾部风险,其主要原因为模型的分布假设以及历史数据的自相关性。而国内文献方面,对模型的适用性也给出了相对负面的结果,其理由也与国外的研究相类似。再者,本文选取了2012-2016年的数据并通过三种方法对资产端、负债端和投资组合收益分别进行了测试,并通过对内在因素与外在因素的分析,得出以下结论:内在因素方面,在方差协方差法下,实际市场中投资组合的收益分布不符合模型中所假设的分布假设。而在历史数据法中由于赋予每个交易日数据等权重,且假设历史数据本身存在自身的循环,也与实际情况有所偏差;外在因素方面,模型本身没有考虑外界刺激对交易情绪的影响,从而导致了资产/负债的流动性的变化,以及在不完全有效市场条件下的价格传导机制。总体来看,VaR在常态市场环境下是可以反映出组合的风险状况的。但由于其假设和分布,以及认为市场有效的前提,在极端市场环境下,VaR未考虑价格产生的真正原因,暨信息对价格的传导机制,最终导致基于中国债券市场数据的检测中有效性偏弱。由于模型在国内债券市场的不适用性,本文还提出了优化方案,在VaR模型基础上,采用模糊组合风险选择模型进一步提升风险检测有效性。在VaR-FPSM中,投资者可以根据需要确定置信水平和预期收益,这些值的任何变化将直接由模糊VaR中获得的最大损失所反映。因此,基于模糊VaR的PSM可以为投资者提供更有效的信息,帮助他们更容易做出投资决策,降低组合风险。