Los desarrollos en el mundo de las finanzas han llevado a los autores a evaluar la adecuación de utilizar únicamente las suposiciones de distribución normal en la medición del riesgo. Protegerse contra el riesgo siempre ha creado una plétora de complejidades y desafíos; por lo tanto, este documento intenta analizar las propiedades estadísticas de varias medidas de riesgo en una distribución no normal y proporcionar un plan financiero sobre cómo gestionar el riesgo. Se asume que utilizar las viejas suposiciones de normalidad por sí solas en una distribución no es tan preciso, lo que ha llevado al uso de modelos que no ofrecen medidas de riesgo precisas. Nuestro diseño empírico de estudio examinó primero una visión general del uso de los rendimientos en la medición del riesgo y una evaluación del entorno financiero actual. Como alternativa a las medidas convencionales, nuestro documento emplea un mosaico de técnicas de riesgo para determinar el hecho de que no existe una medida de riesgo universal. El siguiente paso consistió en observar las medidas proxy de riesgo actuales adoptadas, como la medida de valor en riesgo (VaR) basada en Gaussianas. Además, los autores analizaron múltiples enfoques alternativos que no tienen en cuenta la suposición de normalidad, como otras variaciones de VaR, así como modelos econométricos que pueden ser utilizados en la medición y pronóstico del riesgo. El valor en riesgo (VaR) es una medida de riesgo financiero ampliamente utilizada, que proporciona una forma de cuantificar y gestionar el riesgo de una cartera. Se podría argumentar que el VaR representa la herramienta más importante para evaluar el riesgo de mercado como una de las varias amenazas al sistema financiero global. Tras llevar a cabo una extensa revisión de la literatura, se aplicó un conjunto de datos compuesto por tres clases de activos principales: bonos, acciones y fondos de cobertura. La primera parte fue determinar hasta qué punto los rendimientos no están distribuidos normalmente. Después de probar la hipótesis, se encontró que la mayoría de los rendimientos no están distribuidos normalmente, sino que exhiben asimetría y curtosis mayor o menor que tres. El estudio luego aplicó varios métodos de VaR para medir el riesgo con el fin de determinar cuáles son los más eficientes. Se utilizaron diferentes líneas de tiempo para llevar a cabo valores en riesgo estresados, y se observó que durante los períodos de crisis, la volatilidad de los rendimientos de los activos era mayor. Los otros pasos que siguieron examinaron la relación de las variables, pruebas de correlación y análisis de series temporales realizados que llevaron al pronóstico de los rendimientos. Se observó que estos métodos no podían ser utilizados de forma aislada. Adoptamos el uso de un mosaico de todos los métodos de las medidas de VaR, que incluía estudiar el comportamiento y la relación de los activos entre sí. Además, también examinamos el entorno en su conjunto, luego aplicamos modelos de pronóstico para valorar con precisión los rendimientos; esto dio una medida de riesgo mucho más precisa y relevante en comparación con la suposición inicial de normalidad.