项目风险度量的主要工作内容有：

项目风险度量的首要任务是分析和估计项目风险发生的机率，即项目风险可能性的大小。这是项目风险度量中最为重要的一项工作，因为一个项目风险的发生机率越高，造成项目损失的可能性就越大，对它的控制就应该越严格，所以在项目风险度量中首先要确定和分析项目风险可能性的大小。

项目风险度量的第二项任务是分析和估计项目风险后果，即项目风险可能带来的损失大小。这也是项目风险度量中的一项非常重要的工作，因为即使是一个项目风险的发生机率不大，但如果它一旦发生则后果十分严重，那幺对它的控制也需要十分严格，否则这种风险的发生会给整个项目成败造成严重的影响。

项目风险度量的第三项任务是分析和估计项目风险影响的範围，即项目风险可能影响到项目的哪些方面和工作。这也是项目风险度量中的一项十分重要的工作，因为即使是一个项目风险发生机率和后果严重程度都不大，但它一旦发生会影响到项目各个方面和许多工作，则也需要对它进行严格的控制，防止因这种风险发生而搅乱项目的整个工作和活动。

项目风险度量的第四项任务是分析和估计项目风险发生的时间，即项目风险可能在项目的哪个阶段和什幺时间发生。这也同样项重要，因为对于项目风险的控制和应对措施都是根据项目风险发生时间安排的，越先发生的项目风险就应该越优先控制，而对后发生的项目风险可以通过监视和观察它们的各种徵兆，做进一步识别和度量。

在项目风险度量中人们需要克服各种认识上的偏见，这包括：

项目风险估计上的主观臆断（根据主观意志需要夸大或缩小风险，当人们渴望成功时就不愿看到项目的不利方面和项目风险）；

对于项目风险估计的思想僵化（对原来的项目风险估计，人们不能或不愿意根据新获得的信息进行更新和修正，最初形成的风险度量会成为一种定势在脑子里驻留而不肯褪去）；

缺少机率分析的能力和概念（因为机率分析本身就比较麻烦和複杂）等。

这种方法首先要分析和估计项目风险机率和项目风险可能带来的损失（或收益）大小，然后将二者相乘求出项目风险的损失（或收益）期望值，并使用项目损失期望值（或收益）去度量项目风险。

模拟仿真法是用数学模拟或者系统法模型去分析和度量项目风险的方法。大多数这种项目风险度量的方法使用蒙特卡罗方法（Monte Carlo Method）或三角模拟分析法。

项目度量管理主要是针对项目要素

这种方法可用来度量各种能量化的项目风险，通过改变参数并多次模拟项目风险以后就能得到模拟仿真计算的统计分布结果，并可以此作为项目风险度量的结果。

例如，项目工期风险和项目成本风险等的度量就可以使用这种方法。这种方法多数用在大项目或是複杂项目的风险度量上，小项目一般使用前面给出的损失期望值法。由于项目时间和成本的风险都是项目风险管理的重点，所以模拟仿真法在这些项目风险度量中的使用较为广泛。

在项目风险度量中最为经常使用的方法还有专家决策法，它一般可以代替或者辅助上面所讲过的数学计算和仿真的方法。

例如，许多项目管理专家运用他们自己的专家经验做出的项目工期风险、项目成本风险、项目质量风险等的度量通常是很準确可靠的，甚至有时比数学计算与模拟仿真确定的项目风险度量还要準确和可靠，因为这些专家的经验通常是一种比较可靠的依据。另外，在很多项目风险度量中之要求给出高、种、低三种项目风险机率和几种项目风险损失不同严重程度的数据，而且精确程度一般要求并不高，所以使用专家决策法做出的项目风险度量结果一般是足够準确和可靠的。专家决策法中用的专家经验可以从搞过类似项目的专家处获得，也可以通过查阅历史项目有关经验教训、原始资料等方法获得。

Var度量方法由于开发的较早，已成为世界金融领域较为流行的风险度量方法。它採取了向后测试法运算简洁对数据要求比较低。它能充分检测金融资产对风险来源的敞口性和市场逆向变化的可能性，以最简单的方法将不同的市场因子不同市场风险集成一个数，基本準确的测量了不同风险来源及其相互作用产生的潜在损失，较好的迎合了金融市场发展的动态性、複杂性、全球一体化趋势。 但是与CVar度量方法比较有三个致命的缺陷，其一，因为它无法考察分位点以下的信息，忽略了资产的尾部风险，这样可能引发因小机率事件而引起的巨额损失，甚至是金融危机，这需要引起足够的重视。其二，Var不具有次可加性，这将会诱导投资者做出错误判断进而产生错误的风险规避策略即，一个包含多个金融部门的机构若将其资产分别划分给旗下各个部门，由各个部门分别计算Var再求和，就能实现整个金融机构风险的降低。但实际上是做不到的，这是因为 违背次可加性而给系统带来的漏洞。其三，Var不能起到预警作用，这是由Var是一种利用历史数据预测未来分布造成的。

CVar度量方法是基于Var方法基础之上建立起来的，自然比Var方法更加理想与完善。它避免了由于Var自身缺陷有可能带来的风险，有效的弥补了Var尾部损失测量的不充分性，并且满足次可加性这样就减少了对投资者进行有害激励的负面效应，尤其是用于组合投资风险的度量。

作为新兴的金融工具，CVar也还存在多方面的不足有待改进。首先，CVar计算複杂，相对Var对数据要求更高，也不能确保估值的稳定性。其次，CVar向后测试要比Var複杂的多，Var向后测试只需将实际损失超过Var的频率与置信水平比较即可，但CVar的向后测试需要比较实际损失超过Var的期望值与估算出的CVar，通常损失超过Var水平很低，需要更多的数据支持同时对期望值计算精度也大大的降低了。CVar度量方法显着的增强了风险度量的有效性，降低了随机性，对风险描述也更趋合理、科学。

数据採集自2007年7月～2008年3月共9个月（每月採集一次，以月初一号为基準）上海股票交易所6种股票，中国联通、深万科、中国平安、 宝钢股份、江苏阳光、青岛海尔的日收盘价。编成运算前首先选定置信度为a=0.01，求得相应qa=0.0512 藉助公式及Eviwe软体测试法运算编成可得：

在Var的计算过程中要求数据的简单，直接编成求解E（x）与V(x)后代入公式即可，但是要注意的是E(x)与V(x)是样本数据估计均值与标準差。进而可求CVar，它首先要求Var的数据，然后再代入积分公式编成计算，如前所得这个数据比较Var稳定的结果稳定性还有不足，但是CVar在对风险描述上有Var所不具备的优势。

作为金融领域最流行的风险度量手段Var与CVar方法已被国内外众多银行、保险、证券公司等广泛套用。Var本身存在诸多不足是其本有属性，是无法通过自身完善的，而CVar作为Var的改进与完善在这种情况下应运而生，但这并不是说用CVar完全取代Var就是必然趋势。在风险度量过程中，要做到因时制宜，因地制宜的使用两种度量手段，準确对风险进行度量规避，以达到投资最大效用才是惟一目的。