El Valor en Riesgo (VaR) se ha convertido en una medida crucial para la toma de decisiones en la gestión de riesgos en los últimos treinta años y muchas metodologías de estimación abordan la búsqueda de la medida más eficaz para tener en cuenta la incertidumbre no removible de los mercados financieros reales. Una posible y prometedora forma de incluir la incertidumbre es hacer referencia a las matemáticas de los números difusos y a sus metodologías rigurosas que ofrecen formas flexibles de leer e interpretar propiedades de datos reales que pueden surgir en muchas áreas. El documento tiene como objetivo mostrar la efectividad de dos modelos distintos para tener en cuenta la incertidumbre en el cálculo del VaR; inicialmente, siguiendo un enfoque no paramétrico, aplicamos la función de aproximación de transformación difusa para suavizar los datos capturando patrones fundamentales antes de calcular el VaR. Como segundo modelo, aplicamos la Función de Acumulación Promedio (ACF) para deducir la función cuantil en un punto como la pérdida potencial VaR para un horizonte temporal fijo para el 100% de los valores. En ambos casos se realiza una comparación con respecto a la identificación del VaR a través de la simulación histórica: se consideran doce años de rendimientos diarios del índice S&P500 y se aplica un procedimiento de prueba retrospectiva para verificar el número de malos pronósticos de VaR en cada metodología. A pesar de la naturaleza preliminar de la investigación, señalamos que la estimación del VaR, al modelar la incertidumbre a través de números difusos, supera al VaR tradicional en el sentido de que es el más cercano a la cantidad correcta de capital a asignar para cubrir pérdidas futuras en condiciones normales del mercado.