a:

การจำลองแบบขั้นต่ำที่ควรใช้สำหรับการประเมินค่าความเสี่ยงที่แท้จริง (VaR) ถูกต้องโดยสมเหตุสมผลโดยทั่วไปถือว่าเป็น 1 000 แต่มาตรฐานอุตสาหกรรมต้องใช้เวลาอย่างน้อยที่สุด การจำลอง 10, 000

วิธีการ Monte Carlo สำหรับการประเมิน VaR เป็นรูปแบบของวิธีการคืนค่าทางประวัติศาสตร์ซึ่งขึ้นอยู่กับการสร้างตัวเลขแบบสุ่ม ข้อได้เปรียบหลักของวิธีนี้คือโดยทั่วไปจะพิจารณาถึงผลลัพธ์ที่เป็นไปได้มากกว่าวิธีการที่ผ่านมาโดยการประเมินความเสี่ยงโดยรวม ผู้สนับสนุนของวิธีการทางประวัติศาสตร์กล่าวว่าผลการดำเนินงานในอดีตที่เกิดขึ้นจริงให้การประเมินระดับความเสี่ยงที่เป็นไปได้อย่างสมเหตุสมผลแม้ว่าจะไม่ครอบคลุมสถานการณ์ที่เป็นไปได้ทั้งหมด

VaR เป็นเครื่องมือในการประเมินความเสี่ยงที่ได้รับการพัฒนาขึ้นเพื่อเพิ่มความเสี่ยงของความผันผวนแบบเดิม ปัญหาที่ระบุด้วยมาตรการความผันผวนคือปัญหาเหล่านี้มักไม่ค่อยแยกแยะระหว่างความผันผวนที่ดีและความผันผวนที่ไม่ดี ความผันผวนไม่ได้เป็นความเสี่ยงอย่างแท้จริงหากมีการเพิ่มมูลค่าของการลงทุน VaR ขึ้นอยู่กับการเน้นการประเมินความเสี่ยงในการตอบคำถามเกี่ยวกับการสูญเสียที่อาจเกิดขึ้นสูงสุดหรืออย่างแม่นยำมากขึ้นการสูญเสียที่อาจเกิดขึ้นสูงสุดหรือระดับการเบิกถอนชั่วคราวที่คาดว่าจะเกิดขึ้นได้ ตัวอย่างเช่นในทางทฤษฎีอาจเป็นไปได้ว่าจะได้รับความเสียหาย 100% จากการซื้อหุ้นใน บริษัท General Motors ซึ่งเป็นไปได้ไม่มากนัก VaR ได้กลายเป็นวิธีการที่ใช้กันอย่างแพร่หลายสำหรับการประเมินความเสี่ยงใน บริษัท ที่ให้บริการทางการเงินและการลงทุนชั้นนำ

VaR วัดความเสียหายที่อาจเกิดขึ้นของสินทรัพย์แต่ละรายการหรือกลุ่มการลงทุนทั้งหมดในระยะเวลาที่กำหนดและมีระดับความเชื่อมั่นที่ระบุ ระดับความเชื่อมั่นเป็นหลักวัดความน่าจะเป็น ตัวอย่างเช่นถ้าการคำนวณ VaR ของสินทรัพย์การลงทุนมีมูลค่า $ 1,000 สำหรับระยะเวลาหนึ่งเดือนที่มีระดับความเชื่อมั่น 95% นั่นหมายความว่ามีความเป็นไปได้เพียง 5% ที่จะประสบปัญหาขาดทุนมากกว่า 1,000 เหรียญภายใน ระยะเวลาหนึ่งเดือน การคำนวณ VaR สามารถระบุระดับความเชื่อมั่นใด ๆ ได้ แต่ส่วนใหญ่มักใช้สำหรับระดับความเชื่อมั่น 90%, 95% หรือ 99%

สามวิธีหลักที่ใช้ในการคำนวณ VaR เป็นวิธีการทางประวัติศาสตร์วิธีการแปรปรวนร่วมและวิธีมอนติคาร์โล วิธีการทางประวัติศาสตร์ใช้การป้อนข้อมูลผลตอบแทนจากการลงทุนในอดีตของสินทรัพย์เพื่อการลงทุนและจัดให้มีการจัดโครงสร้างใหม่ให้ปรากฏตามลำดับจากผลขาดทุนที่เลวร้ายที่สุดเพื่อให้ได้กำไรสูงสุด ผลที่ได้มักจะคล้ายคลึงกับเส้นโค้งระฆังสถิติโดยทั่วไปแสดงความเป็นไปได้สูงสำหรับอัตราผลตอบแทนที่เกิดขึ้นบ่อยครั้งและความน่าจะต่ำสุดสำหรับผลตอบแทนการลงทุนที่น้อยที่สุด

แทนที่จะเป็นผลตอบแทนทางประวัติศาสตร์ที่เกิดขึ้นจริงวิธีการของ Monte Carlo ใช้เครื่องกำเนิดตัวเลขแบบสุ่มเพื่อสร้างผลตอบแทนจากการลงทุนที่เป็นไปได้ ความอ่อนแอที่อาจเกิดขึ้นจากวิธีการนี้อยู่ที่ผลว่าจำนวนที่สร้างขึ้นแบบสุ่มในตอนแรกอาจมีต่อผลลัพธ์โดยรวมซึ่งเป็นเหตุผลที่แนะนำให้ใช้การจำลองอย่างน้อย 1, 000 การจำลองแต่ละแบบจะให้ผลลัพธ์ที่แตกต่างกัน แต่ผลการจำลองแบบที่สูงขึ้นจะส่งผลให้ค่าความแปรปรวนเฉลี่ยระหว่างการจำลองมีค่าน้อยลง