var是variable（变量，可变物）或者是variation的简写。在多种计算机编程语言中，var被用作定义变量的关键字，在一些操作系统中也能见到它的身影。

Swift

在Swift 中var 也用来定义变量。

var a=10; //正确

a=10; //正确

在javascript中，以上两种方法都是定义变量的正确方法。

对待这两种定义方法要区分以下两种情况：

⒈在一个过程级中（即位于function的定义范围内，无论是函数，还是类）的任何地方，包括在一个区块里（for,while,if……），定义变量时，使用var定义，则此变量只在这个过程级内起作用，反之为全局变量。

⒉在过程级外定义变量时，无论是否忽略var，都将定义一个全局变量。

从这点看来，JS不注意这个问题的话，是很容易产生不可预知的错误的。

对于使用var，我的建议是要养成好的使用习惯：

⒈在程序的开头，统一定义全局变量；

⒉所有的变量在定义时都要加上var；

⒊尽量不要在不同的过程中使用相同的变量名。

Pascal

VAR 在Pascal 作为程序的保留字，用于定义变量。如：

var a:integer; （定义变量a，类型为整数）

var u:array[1..100]of integer；（定义数组u，下标由1至100，数组单元类型为整数）

常用变量类型（具体见 变量 词条）：

integer 整型

longint 长整型

real 实数型

char 字符型

string 字符串

array 数组

……

当同时定义多个变量时，只需使用一次var，相同类型的变量也可以写在一起。

var a,b,c:integer;

s,t:longint;

ch1,ch2:char;

st:string;

data:array[1..255]of real;

当然了，并不是所有程序语言中都需要var来定义变量，比如说C语言、JAVA语言都不需要利用VAR来定义变量而是直接写即可，比如：int a=0;

C#

从 Visual C# 3.0 开始，在方法范围中声明的变量可以具有隐式类型VAR。隐式类型的本地变量是强类型变量，但由编译器确定类型。

VAR可代替任何类型

编译器会根据上下文来判断你到底是想用什么类型的

什么情况下用到VAR：

当你无法确定自己将用的是什么类型，就可以使用VAR

类似OBJECT，但是效率比OBJECT高点

ASP

同c#，弱类型的定义变量。

VAR可代替任何类型

编译器会根据上下文来判断你到底是想用什么类型的

什么情况下用到VAR：

当你无法确定自己将用的是什么类型，就可以使用VAR

类似OBJECT，但是效率比OBJECT高点

使用var定义变量时有以下四个特点：

⒈ 必须在定义时初始化。也就是必须是var s = “abcd”形式，而不能是如下形式：

var s;

s = “abcd”；

⒉ 一但初始化完成，就不能再给变量赋与初始化值类型不同的值了。

⒊ var要求是局部变量。

⒋ 使用var定义变量和object不同，它在效率上和使用强类型方式定义变量完全一样。

ASP中，我们可以利用var进行检索，如

Dim a⑵

a(0)=0

a⑴=0

a⑵=0

var可以进行检索

var0=a(0)

var1=a⑴

var1=a⑵

在C#和ASP中，使用var定义变量时有以下四个特点：

⒈ 必须在定义时初始化。也就是必须是var s = “abcd”形式，而不能是如下形式：

var s;

s = “abcd”；

⒉ 一但初始化完成，就不能再给变量赋与初始化值类型不同的值了。

⒊ var要求是局部变量。

⒋ 使用var定义变量和object不同，它在效率上和使用强类型方式定义变量完全一样。

/var 目录，包括系统运行时要改变的数据。其中包括每个系统是特定的，即不能够与其他计算机共享的目录，如/var/log，/var/lock，/var/run。有些目录还是可以与其他系统共享，如/var/mail,/var/cache/man,/var/cache/fonts,/var/spool/news。var目录存在的目的是把usr目录在运行过程中需要更改的文件或者临时生成的文件及目录提取出来，由此可以使usr目录挂载为只读的方式。linux的命令都是基于shell的，可以选择不同的shell类型。

HTML

在HTML中， 标签表示数学表达式或编程上下文中的变量， 标签定义的内容会呈现为斜体。

使用方法：

全局属性：

accesskey、class、data-*、dir、lang、spellcheck、style、tabindex、draggable、contenteditable、translate、title

VaR（Value at Risk）一般被称为“风险价值”或“在险价值”，指在一定的置信水平下，某一金融资产（或证券组合）在未来特定的一段时间内的最大可能损失。假定JP摩根公司在2004年置信水平为95%的日VaR值为960万美元，其含义指该公司可以以95%的把握保证，2004年某一特定时点上的金融资产在未来24小时内，由于市场价格变动带来的损失不会超过960万美元。或者说，只有5%的可能损失超过960万美元。与传统风险度量手段不同，VaR完全是基于统计分析基础上的风险度量技术，它的产生是JP摩根公司用来计算市场风险的产物。但是，VaR的分析方法正在逐步被引入信用风险管理领域。

VaR按字面的解释就是“处于风险状态的价值”，即在一定置信水平和一定持有期内，某一金融工具或其组合在未来资产价格波动下所面临的最大损失额。JP.Morgan定义为：VaR是在既定头寸被冲销（be neutraliged）或重估前可能发生的市场价值最大损失的估计值；而Jorion则把VaR定义为：“给定置信区间的一个持有期内的最坏的预期损失”。

根据Jorion（1996），VaR可定义为：

VaR=E（ω）-ω* ①

式中E（ω）为资产组合的预期价值；ω为资产组合的期末价值；ω*为置信水平α下投资组合的最低期末价值。

又设ω=ω0(1+R） ②

式中ω0为持有期初资产组合价值，R为设定持有期内（通常一年）资产组合的收益率。

ω*=ω0(1+R*） ③

R*为资产组合在置信水平α下的最低收益率。

根据数学期望值的基本性质，将②、③式代入①式，有

VaR=E[ω0(1+R）]-ω0（1+R*）

=Eω0+Eω0（R）-ω0-ω0R*

=ω0+ω0E（R）-ω0-ω0R*

=ω0E（R）-ω0R*

=ω0[E（R）-R*]

∴VaR=ω0[E（R）-R*] ④

上式公式中④即为该资产组合的VaR值，根据公式④，如果能求出置信水平α下的R*，即可求出该资产组合的VaR值。

VaR模型通常假设如下：

⒈市场有效性假设；

⒉市场波动是随机的，不存在自相关。

一般来说，利用数学模型定量分析社会经济现象，都必须遵循其假设条件，特别是对于中国金融业来说，由于市场尚需规范，政府干预行为较为严重，不能完全满足强有效性和市场波动的随机性，在利用VaR模型时，只能近似地正态处理。

VaR模型计算方法

从前面①、④两式可看出，计算VAR相当于计算E（ω）和ω*或者E（R）和R*的数值。从目前来看，主要采用三种方法计算VaR值。

⒈历史模拟法（historical simulation method）

⒉方差—协方差法

⒊蒙特卡罗模拟法（Monte Carlo simulation）

三种方法的异同点的比较:

一．历史模拟法

“历史模拟法”是借助于计算过去一段时间内的资产组合风险收益的频度分布，通过找到历史上一段时间内的平均收益，以及在既定置信水平α下的最低收益率，计算资产组合的VaR值。

“历史模拟法”假定收益随时间独立同分布，以收益的历史数据样本的直方图作为对收益真实分布的估计，分布形式完全由数据决定，不会丢失和扭曲信息，然后用历史数据样本直方图的P—分位数据作为对收益分布的P—分位数—波动的估计。

一般地，在频度分布图中横轴衡量某机构某日收入的大小，纵轴衡量一年内出现相应收入组的天数，以此反映该机构过去一年内资产组合收益的频度分布。

首先，计算平均每日收入E（ω）

其次，确定ω*的大小，相当于左端每日收入为负数的区间内，给定置信水平α，寻找和确定相应最低的每日收益值。

设置信水平为α，由于观测日为T，则意味差在左端让出

t=T×α，即可得到α概率水平下的最低值ω*。由此可得：

VaR=E（ω）-ω*

二.方差—协方差法

“方差—协方差”法同样是运用历史资料，计算资产组合的VaR值。其基本思路为：

首先，利用历史数据计算资产组合的收益的方差、标准差、协方差；

其次，假定资产组合收益是正态分布，可求出在一定置信水平下，反映了分布偏离均值程度的临界值；

第三，建立与风险损失的联系，推导VaR值。

设某一资产组合在单位时间内的均值为μ，标准差为σ，R*～μ（μ、σ），又设α为置信水平α下的临界值，根据正态分布的性质，在α概率水平下，可能发生的偏离均值的最大距离为μ-ασ，

即R*=μ-ασ。

∵E（R）=μ

根据VaR=ω0[E（R）-R*] 有

VaR=ω0[μ-（μ-ασ）]=ω0ασ

假设持有期为 △t，则均值和数准差分别为μ△t和 ，这时上式则变为：

VaR=ω0·α·

因此，我们只要能计算出某种组合的数准差σ，则可求出其VaR的值，一般情况下，某种组合的数准差σ可通过如下公式来计算

其中，n为资产组合的金融工具种类，Pi为第i种金融工具的市场价值，σi第i种金融工具的数准差，σij为金融工具i、j的相关系数。

三、蒙特卡罗模拟法（Monte Carlo simulation）

除了历史模拟法和方差—数准差法外，对于计算资产组合的VaR的方法还有更为复杂的“蒙特卡罗模拟法”。它是基于历史数据和既定分布假定的参数特征，借助随机产生的方法模拟出大量的资产组合收益的数值，再计算VaR值。

⒈确认头寸 找到受市场风险影响的各种金融工具的全部头寸

⒉确认风险因素 确认影响资产组合中金融工具的各种风险因素

⒊获得持有期内风险因素的收益分布 计算以往年份里的历史上的频度分布 计算以往年份里风险因素的标准差和相关系数 假定特定的参数分布或从历史资料中按自助法随机产生

⒋将风险因素的收益与金融工具头寸相联系 将头寸的盯住市场价值（mark to market value）表示为风险因素的函数 按照风险因素分解头寸（risk mapping） 将头寸的盯住市场价值（mark to market value）表示为风险因素的函数

⒌计算资产组合的可变性 利用从步骤3和步骤4得到的结果模拟资产组合收益的频度分布 假定风险因素是呈正态分布，计算资产组合的标准差 利用从步骤3和步骤4得到的结果模拟资产组合收益的频度分布

⒍给定置信区间推导VAR

排列资产组合顺序，选择刚好在1%或5%概率下刚≥1的那一损失

用2.33(1%）或1.65（5%）乘以资产组合标准差 排列资产组合顺序，选择刚好在1%或5%概率下刚≥1的那一损失

VaR模型在金融风险管理中的应用越来越广泛，特别是随着VaR模型的不断改进，不但应用于金融机构的市场风险、使用风险的定量研究，而且VaR模型正与线性规划模型（LPM）和非线性规划模型（ULPM）等规划模型论，有机地结合起来，确定金融机构市场风险等的最佳定量分析法，以利于金融机构对于潜在风险控制进行最优决策。

对于VaR在国外的应用，正如文中引言指出，巴塞尔委员会要求有条件的银行将VaR值结合银行内部模型，计算适应市场风险要求的资本数额；G20建议用VaR来衡量衍生工具的市场风险，并且认为是市场风险测量和控制的最佳方法；SEC也要求美国公司采用VaR模型作为三种可行的披露其衍生交易活动信息的方法之一。这表明不但金融机构内部越来越多地采用VaR作为评判金融机构本身的金融风险，同时，越来越多的督管机构也用VaR方法作为评判金融机构风险大小的方法。

中国对VaR模型的引介始于近年，具有较多的研究成果，但VaR模型的应用正确处于起步阶段，各金融机构已经充分认识到VaR的优点，正在研究适合于自身经营特点的VaR模型。

本部分就VAR模型在金融机构风险管理中的应用及其注意的问题介绍如下：

例1，来自JP.Morgan的例子

根据JP.Morgan1994年年报披露，该公司1994年一天的95%VAR值平均为1500万美元，这一结果可从反映JP.Morgan1994年日收益分布状况图中求出。

该公司日均收益为500万美元，即E（ω）=500万美元。

如果给定α=95%，只需找一个ω*，使日收益率低于ω*的概率为5%，或者使日收益率低于ω*的ω出现的天数为254×5%=13天，ω*=－1000万美元。

根据VAR=E（ω）－ω*=500－（－1000）=1500万美元

值得注意的是，这只是过去一段时间的数值，依据过去推测未来的准确性取决于决定历史结果的各种因素、条件和形势等，以及这些因素是否具有同质性，否则，就要做出相应的调查，或者对历史数据进行修正。这在中国由于金融机构非完全市场作用得到的数据更应该引起重视。

例2，来自长城证券杜海涛的研究

长城证券公司杜海涛在《VaR模型在证券风险管理中的应用》一文中，用VaR模型研究了市场指数的风险度量、单个证券的风险度量和证券投资基金净值的VaR等，研究表明，VaR模型对中国证券市场上的风险管理有较好的效果。

下面就作者关于市场指数的风险度量过程作一引用，旨在说明VaR的计算过程（本文引用时有删节）。

第一步 正态性检验

首先根据2000年1月4日至2000年6月2日期间共94个交易日的日收益率做分布直方图，由于深沪两市场具有高度相关性，此处仅以上证综合指数为例计算。

上证综合指数日收益率分布表现出较强的正态特征：众数附近十分集中，尾部细小。分析表明，深市指数也有相同的特征。

下面利用数理统计的方法对2000年4月3日至6月2日期间上述3种指数的日收益率的分布情况进行正态性检验，检验结果如下：

W（深证综指）=0.972445

W（深证成指）=0.978764

W（上证综指）=0.970279

W为正态假设检验统计量，当样本容量为40时取α =0.05（表示我们犯错误的概率仅为 α=0.05），此时W0.05 =0.94，只有当W 收益率服从正态分布的假设。

有关这三种指数日收益率的相关统计量见表1。

表1 三种指数日收益率统计量

深圳综合 深圳成分 上证综合

均 值（）

0.001318 0.001061 0.001561

标准差（）

0.013363 0.012582 0.012391

通过上面的分析，我们可以得出三种指数的日收益率基本上服从N（μ，σ），由于三种指数的平均日收益率非常接近零值，故可近似为N(0，σ）。

第二步 VaR的计算

由于正态分布的特点，集中在均值附近左右各1.65σ区间范围内的概率为0.90，用公式表示为：P（μ-1.65σ；μ+1.65σ）=0.05；则有P(X>；μ-1.65σ）=0.95。根据上面的计算结果可知在95%的置信度情况下：

VaR值=T日的收盘价×1.65σ。

取2000年4月3日至2000年6月2日的数据，然后根据上面的公式可以计算出深证综指、深证成指、上证综指3种指数在2000年6月2日的VaR值分别为：

深证综合指数VaR=591.34×1.65×0.013363=13.04

深证成份指数VaR=4728.88×1.65×0.012582=98.17

上证综合指数VaR=1916.25×1.65×0.012391=39.17

其现实意义为：根据该模型可以有95%的把握判断指数在下一交易日即6月5日的收盘价不会低于T日收盘价－当日的VaR值；

即深证综合指数不会低于：591.34－13.04=578.30

深证成份指数不会低于：4728.88－98.17=4630.71

上证综合指数不会低于：1916.25－39.17=1877.08。

第三步 可靠性检验

接着来检验该模型的可靠性。根据3种指数的VaR来预测下一个交易日的指数变动下限，并比较该下限和实际收盘价，看预测的结果与我们期望值之间的差别。3个指数于2000年4月3日至6月2日的实际走势与利用VaR预期下限的拟合图形。

现将样本区间内实际收盘指数低于预测下限的天数与95%置信度情况下的可能出现的期望天数作一统计对比，结果见表2。

表2 模型期望结果与实际结果的比较

深圳综合 深圳成分 上证综合

实际情况 3 3 3

期望情况 2 2 2

通过上面的计算我们可以发现应用VaR模型进行指数风险控制拟合结果较好。至于三种指数均有3个交易日超过预测下限，这主要是由于考察期间适逢台湾政权更迭及美众院审议表决予华PNTR的议案，市场波动较大所致。

例3，来自银行家信托公司的例子

由于金融机构特别是在证券投资中，高收益常伴随着高风险，下级部门或者交易员可能冒巨大风险追求利润，但金融机构出于稳健经营的需要，有必要对下级部门或者交易员可能的过渡投资机行为进行限制，因而引入考虑风险因素的业绩评价体系，美国银行和信托公司将VaR模型用于业绩评估中，确立了业绩评价指数——经风险调查的资本收益，即RAROC= ，从公式可看出，即使收益再高，但由于VaR也高，则RAROC也不会很高，其业绩评价也不可能很高。因此，将金融机构将VaR应用于业绩评价中，可对过度投机行为进行限制，使金融机构能更好地选择在最小风险下获取较大收益的项目。

同时，杜海涛也将VaR方法用于对中国5只基金管理人的经营业绩评价，评价结果如下表：

中国5只基金管理人的RAROC比较表

基金开元 基金普惠 基金金泰 基金安信基金裕阳

VaR值 0.1178 0.0919 0.0880 0.1240 0.1185

收益率0.4153 0.2982 0.3592 0.4206 0.3309

RAROC 2.8467 2.7495 3.5188 3.1707 2.7938

日收益率的标准差 0.045623 0.03748 0.035623 0.037033 0.036559

数据来源：杜海涛《VaR模型在证券风险管理中的应用》

从上表可以看出，在承担同样的风险的情况下基金金泰的收益率最高。按RAROC指标来衡量上述5家证券投资基金的优劣情况如下：金泰>；安信>；开元>；裕阳>；普惠。

在风险管理的各种方法中，在险价值法（VAR方法）最为引人瞩目。尤其是在过去的几年里，许多银行和监管当局开始把这种方法当作全行业衡量风险的一种标准来看待。

一在险价值（VaR）的计算

在险价值法之所以具有吸引力，是因为它把银行的全部资产组合风险概括为一个简单的数字，并以美元计量单位来表示风险管理的核心-潜在亏损。VaR实际上是要回答在概率给定的情况下，银行的投资组合价值在下一阶段最多可能损失多少。在正态分布情况下，根据计量经济学的知识可得出：

VaR =w0ua d t1/2

其中，w0 为初期投资额，m 和d2分别为特定资产的日（或者周、年）回报率的均值和方差，d则代表资产回报率的标准差，t为持有该项资产的期间。

此公式的含义是：在特定资产回酬率R服从正态分布的情况下，一定投资额w0在置信度1-a的范围内，在持有时间t内发生的最大损失。

如要求置信度为95%或99%，即a=5%或1%，应该查相对应的10%和2%的正态分布表，相应公式可变为：VaR =1.645 w0dt1/2或者 VaR =2.33 w0dt1/2

由此可见，为了计算VaR的数值，首先必须估算出资产回报率的均值和标准差，目前一般是通过对观察值进行加权来计算出来的。

实例如下：假定有一3年期100万美元国债券，假定过去10年此类债券价格的平均波动率为1.23%，如果此种国库券半年后出售，价格波动服从正态分布，并确定为95%的置信水平，则有：

VaR =100×1.645×1.23%×0.51/2 = 1.44（万美元）

这表明，依据历史统计资料，我们至少有95%的把握可以保证3年期国库券价格在以后6个月出售，最大损失不超过1.44万美元。由于是单边概率，我们还可得出结论：依据历史统计资料，至少有95%的把握可以保证3年期国库券价格在以后6个月出售，最大盈利不会超过1.44万美元。

二在险价值法的特点

⒈可以用来简单明了地表示市场风险的大小，单位是美元或其他货币，没有任何技术色彩，没有任何专业背景的投资者和管理者都可以通过VaR值对金融风险进行评判；

⒉可以事前计算风险，不像以往风险管理的方法都是在事后衡量风险大小；

⒊不仅能计算单个金融工具的风险，还能计算由多个金融工具组成的投资组合的风险，这是传统金融风险管理所不能做到的。

三在险价值法的应用

该方法主要应用于：

⒈ 用于风险控制。

目前已有超过1000家的银行、保险公司、投资基金、养老金基金及非金融公司，采用VaR方法作为金融衍生工具风险管理的手段。利用VAR方法进行风险控制，可以使每个交易员或交易单位都能确切地明了他们在进行有多大风险的金融交易，并可以为每个交易员或交易单位设置VAR限额，以防止过度投机行为的出现。如果执行严格的VaR管理，一些金融交易的重大亏损也许就完全可以避免。

⒉ 用于业绩评估。

在金融投资中，高收益总是伴随着高风险，交易员可能不惜冒巨大的风险去追逐巨额利率。公司出于稳健经营的需要，必须对交易员可能的过度投机行为进行限制。所以，有必要引入考虑风险因素的业绩评价指标。

四在险价值法的局限

当然VaR方法也有其局限性，VaR方法衡量的主要是市场风险，如单纯依靠VaR方法，就会忽视其他种类的风险如信用风险。另外，从技术角度讲，VaR值表明的是一定置信度内的最大损失，但并不能绝对排除高于VaR值的损失发生的可能性。例如假设一天的99%置信度下的VaR=1000万美元，仍会有1%的可能性会使损失超过1000万美元。这种情况一旦发生，给经营单位带来的后果就是灾难性的。所以在金融风险管理中，VaR方法并不能涵盖一切，仍需综合使用各种其他的定性、定量分析方法。亚洲金融危机还提醒风险管理者：在险价值法并不能预测到投资组合的确切损失程度，也无法捕捉到市场风险与信用风险间的相互关系。

随着中国加入WTO，金融全球化挑战中国的金融改革及创新，特别是金融理论的创新和控制风险技术的创新，如何将金融风险控制到最小程度，真正使金融体系成为支撑社会经济的基础，达到为社会分散经济风险的目的，是中国金融界必须面对的艰巨任务，如何用定量方法测度和控制金融风险，是金融机构和监管当局必须面对的问题。从金融机构本身来看，将风险定量分析方法，比如VaR模型应用于日常的风险管理，将市场风险和信用风险降到最低的程度，以期获取最大的利润回报，是金融机构的义不容辞的事情，也是其当务之急。从监管当局来看，促使金融机构应用先进的控制风险技术，使金融家们能够随心所欲地剥离各种风险，即对各种复杂的风险进行精确的计算和配置，将有利于中国的监管水平有较大的提高。因此，中国的金融机构和金融监管当局非常有必要将VaR模型等风险控制技术引入中国金融风险管理将非常必要，且具有一定的现实意义。

Var （乏）或 Vars 或 kVar（千乏） 是交流电路中无功功率的单位，其大小与有功功率的单位Watts是相同的，

无功功率

在交流电路中，由电源供给负载的电功率有两种；一种是有功功率，一种是无功功率。

有功功率是保持用电设备正常运行所需的电功率，也就是将电能转换为其他形式能量（机械能、光能、热能）的电功率。比如：5.5千瓦的电动机就是把5.5千瓦的电能转换为机械能，带动水泵抽水或脱粒机脱粒；各种照明设备将电能转换为光能，供人们生活和工作照明。有功功率的符号用P表示，单位有瓦（W）、千瓦（kW）、兆瓦（MW）。

无功功率比较抽象，它是用于电路内电场与磁场的交换，并用来在电气设备中建立和维持磁场的电功率。它不对外作功，而是转变为其他形式的能量。凡是有电磁线圈的电气设备，要建立磁场，就要消耗无功功率。比如40瓦的日光灯，除需40多瓦有功功率（镇流器也需消耗一部分有功功率）来发光外，还需80乏左右的无功功率供镇流器的线圈建立交变磁场用。由于它不对外做功，才被称之为“无功”。无功功率的符号用Q表示，单位为乏（Var）或千乏（kVar）。

无功功率决不是无用功率，它的用处很大。电动机需要建立和维持旋转磁场，使转子转动，从而带动机械运动，电动机的转子磁场就是靠从电源取得无功功率建立的。变压器也同样需要无功功率，才能使变压器的一次线圈产生磁场，在二次线圈感应出电压。因此，没有无功功率，电动机就不会转动，变压器也不能变压，交流接触器不会吸合。为了形象地说明这个问题，现举一个例子：农村修水利需要开挖土方运土，运土时用竹筐装满土，挑走的土好比是有功功率，挑空竹筐就好比是无功功率，竹筐并不是没用，没有竹筐泥土怎么运到堤上呢?

在正常情况下，用电设备不但要从电源取得有功功率，同时还需要从电源取得无功功率。如果电网中的无功功率供不应求，用电设备就没有足够的无功功率来建立正常的电磁场，那么，这些用电设备就不能维持在额定情况下工作，用电设备的端电压就要下降，从而影响用电设备的正常运行。

无功功率对供、用电产生一定的不良影响，主要表现如下：

⑴降低发电机有功功率的输出。

⑵降低输、变电设备的供电能力。

⑶造成线路电压损失增大和电能损耗的增加。

⑷造成低功率因数运行和电压下降，使电气设备容量得不到充分发挥。

从发电机和高压输电线供给的无功功率，远远满足不了负荷的需要，所以在电网中要设置一些无功补偿装置来补充无功功率，以保证用户对无功功率的需要，这样用电设备才能在额定电压下工作。这就是电网需要装设无功补偿装置的道理。

kVar：无功功率的单位千乏。电功率分为有功功率和无功功率，有功功率就是指电能转化为热能或者机械能等形式被人们使用或消耗的能量；无功功率指电场能和磁场能相互转化的那部分能量，它的存在使电流与电压产生相位偏差，为了区别于有功功率就用了这么个单位。

电网中由于有大功率电机的存在，使得其总体呈感性，所以常常在电网中引入大功率无功补偿器（其实就是大电容），使电网近似于纯阻性，kVar就常用在这作为无功补偿器的容量的单位，跟千瓦是一样大的。

真空自耗电弧熔炼

真空自耗炉主要用于钛和钛合金的生产。由真空系统、电极驱动机械系统、铜坩埚及冷却循环系统、直流电源、自动和手动控制系统、稳弧搅拌系统、检测和自动记录系统等部分组成。

主要工艺流程为：混料一压制电极一电极和残料焊接成自耗电极一熔炼一铸锭处理一检验。

真空自耗原料由纯料、合金元素、返回料等组成。

VAR（variance）方差，Var(x)表示总体/样本方差，有时也用D(x)表示。只是，平时我们习惯用D来表示方差，例如，Var(X)=9 就表示D(X)=9。

但，二者还是有区别的，因为Var(X)表示X的协方差，如果X是多维的话，结果就是一个协方差矩阵，而不是一个数了，当然若X是一维的，Var(x)与D(x)二者就没有什么区别了。

向量自回归模型（Vector Autoregression, VAR）

什么是向量自回归模型

向量自回归模型简称VAR模型，是一种常用的计量经济模型，1980年由克里斯托弗·西姆斯（Christopher Sims）提出。VAR模型是用模型中所有当期变量对所有变量的若干滞后变量进行回归。VAR模型用来估计联合内生变量的动态关系，而不带有任何事先约束条件。它是AR模型的推广，此模型目前已得到广泛应用。

向量自回归(VAR)是基于数据的统计性质建立模型，VAR模型把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型，从而将单变量自回归模型推广到由多元时间序列变量组成的“向量”自回归模型。VAR模型是处理多个相关经济指标的分析与预测最容易操作的模型之一，并且在一定的条件下，多元MA和ARMA模型也可转化成VAR模型，因此近年来VAR模型受到越来越多的经济工作者的重视。

VAR模型的公式

VAR模型描述在同一样本期间内的n个变量（内生变量）可以作为它们过去值的线性函数。

一个VAR(p)模型可以写成为：

其中：c是n×1常数向量，Ai是n×n矩阵。et是n×1误差向量，满足：

在音乐中，Var 是“变奏”一词的缩写。变奏，英文为variation，出自拉丁语variatio。

Value-Adder Reseller，分销商的一种模式。