項目風險度量是對於項目風險的影響和後果所進行的評價和估量。項目風險度量包括對項目風險發生可能性大小（機率大小）的評價和估量。
基本介紹
- 中文名：項目風險度量
- 包括：發生可能性大小評價和估量
- 常用方法：損失期望值法 模擬仿真法
- 度量評析：Var與CVar度量辦法評析
工作內容,常用方法,度量評析,實證研究,風險度量,分析,結論,
工作內容
項目風險度量的主要工作內容有：
可能性的度量
項目風險度量的首要任務是分析和估計項目風險發生的機率，即項目風險可能性的大小。這是項目風險度量中最為重要的一項工作，因為一個項目風險的發生機率越高，造成項目損失的可能性就越大，對它的控制就應該越嚴格，所以在項目風險度量中首先要確定和分析項目風險可能性的大小。
後果的度量
項目風險度量的第二項任務是分析和估計項目風險後果，即項目風險可能帶來的損失大小。這也是項目風險度量中的一項非常重要的工作，因為即使是一個項目風險的發生機率不大，但如果它一旦發生則後果十分嚴重，那么對它的控制也需要十分嚴格，否則這種風險的發生會給整個項目成敗造成嚴重的影響。
影響範圍的度量
項目風險度量的第三項任務是分析和估計項目風險影響的範圍，即項目風險可能影響到項目的哪些方面和工作。這也是項目風險度量中的一項十分重要的工作，因為即使是一個項目風險發生機率和後果嚴重程度都不大，但它一旦發生會影響到項目各個方面和許多工作，則也需要對它進行嚴格的控制，防止因這種風險發生而攪亂項目的整個工作和活動。
發生時間的度量
項目風險度量的第四項任務是分析和估計項目風險發生的時間，即項目風險可能在項目的哪個階段和什麼時間發生。這也同樣項重要，因為對於項目風險的控制和應對措施都是根據項目風險發生時間安排的，越先發生的項目風險就應該越優先控制，而對後發生的項目風險可以通過監視和觀察它們的各種徵兆，做進一步識別和度量。
在項目風險度量中人們需要克服各種認識上的偏見，這包括：
項目風險估計上的主觀臆斷（根據主觀意志需要誇大或縮小風險，當人們渴望成功時就不願看到項目的不利方面和項目風險）；
對於項目風險估計的思想僵化（對原來的項目風險估計，人們不能或不願意根據新獲得的信息進行更新和修正，最初形成的風險度量會成為一種定勢在腦子裡駐留而不肯褪去）；
缺少機率分析的能力和概念（因為機率分析本身就比較麻煩和複雜）等。
常用方法
損失期望值法
這種方法首先要分析和估計項目風險機率和項目風險可能帶來的損失（或收益）大小，然後將二者相乘求出項目風險的損失（或收益）期望值，並使用項目損失期望值（或收益）去度量項目風險。
模擬仿真法
模擬仿真法是用數學模擬或者系統法模型去分析和度量項目風險的方法。大多數這種項目風險度量的方法使用蒙特卡羅方法（Monte Carlo Method）或三角模擬分析法。 
項目度量管理主要是針對項目要素
項目度量管理主要是針對項目要素這種方法可用來度量各種能量化的項目風險，通過改變參數並多次模擬項目風險以後就能得到模擬仿真計算的統計分布結果，並可以此作為項目風險度量的結果。
例如，項目工期風險和項目成本風險等的度量就可以使用這種方法。這種方法多數用在大項目或是複雜項目的風險度量上，小項目一般使用前面給出的損失期望值法。由於項目時間和成本的風險都是項目風險管理的重點，所以模擬仿真法在這些項目風險度量中的使用較為廣泛。
專家決策法
在項目風險度量中最為經常使用的方法還有專家決策法，它一般可以代替或者輔助上面所講過的數學計算和仿真的方法。
例如，許多項目管理專家運用他們自己的專家經驗做出的項目工期風險、項目成本風險、項目質量風險等的度量通常是很準確可靠的，甚至有時比數學計算與模擬仿真確定的項目風險度量還要準確和可靠，因為這些專家的經驗通常是一種比較可靠的依據。另外，在很多項目風險度量中之要求給出高、種、低三種項目風險機率和幾種項目風險損失不同嚴重程度的數據，而且精確程度一般要求並不高，所以使用專家決策法做出的項目風險度量結果一般是足夠準確和可靠的。專家決策法中用的專家經驗可以從搞過類似項目的專家處獲得，也可以通過查閱歷史項目有關經驗教訓、原始資料等方法獲得。
度量評析
Var與CVar度量辦法評析
Var度量方法由於開發的較早，已成為世界金融領域較為流行的風險度量方法。它採取了向後測試法運算簡潔對數據要求比較低。它能充分檢測金融資產對風險來源的敞口性和市場逆向變化的可能性，以最簡單的方法將不同的市場因子不同市場風險集成一個數，基本準確的測量了不同風險來源及其相互作用產生的潛在損失，較好的迎合了金融市場發展的動態性、複雜性、全球一體化趨勢。 但是與CVar度量方法比較有三個致命的缺陷，其一，因為它無法考察分位點以下的信息，忽略了資產的尾部風險，這樣可能引發因小機率事件而引起的巨額損失，甚至是金融危機，這需要引起足夠的重視。其二，Var不具有次可加性，這將會誘導投資者做出錯誤判斷進而產生錯誤的風險規避策略即，一個包含多個金融部門的機構若將其資產分別劃分給旗下各個部門，由各個部門分別計算Var再求和，就能實現整個金融機構風險的降低。但實際上是做不到的，這是因為 違背次可加性而給系統帶來的漏洞。其三，Var不能起到預警作用，這是由Var是一種利用歷史數據預測未來分布造成的。
CVar度量方法是基於Var方法基礎之上建立起來的，自然比Var方法更加理想與完善。它避免了由於Var自身缺陷有可能帶來的風險，有效的彌補了Var尾部損失測量的不充分性，並且滿足次可加性這樣就減少了對投資者進行有害激勵的負面效應，尤其是用於組合投資風險的度量。
作為新興的金融工具，CVar也還存在多方面的不足有待改進。首先，CVar計算複雜，相對Var對數據要求更高，也不能確保估值的穩定性。其次，CVar向後測試要比Var複雜的多，Var向後測試只需將實際損失超過Var的頻率與置信水平比較即可，但CVar的向後測試需要比較實際損失超過Var的期望值與估算出的CVar，通常損失超過Var水平很低，需要更多的數據支持同時對期望值計算精度也大大的降低了。CVar度量方法顯著的增強了風險度量的有效性，降低了隨機性，對風險描述也更趨合理、科學。
實證研究
風險度量
數據採集自2007年7月～2008年3月共9個月（每月採集一次，以月初一號為基準）上海股票交易所6種股票，中國聯通、深萬科、中國平安、 寶鋼股份、江蘇陽光、青島海爾的日收盤價。編成運算前首先選定置信度為a=0.01，求得相應qa=0.0512 藉助公式及Eviwe軟體測試法運算編成可得：
分析
在Var的計算過程中要求數據的簡單，直接編成求解E（x）與V(x)後代入公式即可，但是要注意的是E(x)與V(x)是樣本數據估計均值與標準差。進而可求CVar，它首先要求Var的數據，然後再代入積分公式編成計算，如前所得這個數據比較Var穩定的結果穩定性還有不足，但是CVar在對風險描述上有Var所不具備的優勢。
