1. 使用quantile()计算 quantile(-data, 0.01)  
数据：data(因为VaR是负数，data是ngarch模型拟合出来的波动率，是正数，所以要加负号)
置信水平：99%
具体用法可以找官方的说明文档



2. PerformanceAnalytics库中有计算的函数

VaR(data,p=0.99,method="modified")
method有好几种，method = c("modified", "gaussian", "historical", "kernel")
      概率水平为p(如95%)的VaR是负回报的p分位数，或等效地，是回报的c = 1−p分位数的负值。在一组有足够长的历史的回报中，每一时期的风险值只是该时期负回报的分位数。其中q.99是负回报系列的99%经验分位数。这种方法有时也被称为“历史VaR”，因为它的定义是对收益分布的事后分析，可以用method=“historical”来访问。
      参数均值- var通过更精确地估计风险分位数分布尾部的形状，在解释分布尾部方面做得更好。最常见的估计是一个正常的(或高斯分布)R～N(μ,σ)返回系列。在这种情况下，VaR的估计需要均值收益Rˉ，收益分布和收益σ的方差。在最常见的情况下，参数变量是由

其中zc是标准正态分布的c分位数。在R中表示为qnorm(c)，可以通过method="gaussian"访问。


具体用法看官方说明文档，227页开始
https://cran.rstudio.com/web/packages/PerformanceAnalytics/PerformanceAnalytics.pdf


学习笔记可以存一下http://www.doc88.com/p-9307125505894.html  R语言计算VaR
https://max.book118.com/html/2019/0412/8036052103002016.shtm  量化金融R语言初级教程
https://cloud.tencent.com/developer/article/1059906     R语言实现GARCH模型https://wenku.baidu.com/view/a3a687c158f5f61fb7366657.html      风险价值VaR的稳健性检验