Monte Carlo VaR er en metode for å estimere VaR (Value at Risk) som bruker dataprogramvare til å generere hundrevis eller tusenvis av mulige resultater basert på innledende data som er angitt av brukeren.
De oppnådde resultatene er ordnet fra høyeste til minste lønnsomhet, som i beregningen av VaR etter den historiske metoden. Deretter identifiserer vi 5% av dataene med lavest avkastning, og den høyeste av de 5% laveste avkastningene vil være VaR. Dataene blir vanligvis presentert grafisk for å få en bedre visualisering av resultatene og deres frekvens.
Hovedfordelen med å estimere VaR ved Monte Carlo-metoden er i sin tur den største ulempen, siden avhengig av de innledende dataene som er angitt, vil det genereres en rekke antagelser som vil lede resultatene (baneavhengighet eller avhengig av den valgte banen). Gitt kompleksiteten til Monte Carlo, kan du ha en falsk følelse av pålitelighet, men hvis de oppgitte dataene (inngangene) ikke er korrekte, vil ikke informasjonen være pålitelig. Til tross for dette er det vanligvis mer nøyaktig enn den parametriske VaR-metoden.
Monte Carlo simuleringEksempel på VaR etter Monte Carlo-metoden
Tenk deg at etter å ha generert 100 forskjellige resultater av dataprogrammet (vanligvis brukes flere, men vi vil bruke 100 for å forenkle eksemplet), og når du bestiller verdiene oppnådd fra høyeste til laveste, oppnår vi at de fem verste er følgende :
-15,25%, -12,75%, -10,85%, -10,05%, -8,75%
Hvis vi ønsker å beregne VaR med 95% konfidens, må vi velge 5% med de dårligste resultatene. Vi velger da det femte verste resultatet (5% av 100) i hele perioden, som er -8,75%. Hvis vi antar at investeringen i denne eiendelen er 1 million euro, vil VaR på 5% være 87 500 euro, det vil si at det er 5% sannsynlighet for å tape minst 87 500 euro og 95% sannsynlighet for at dette tapet er mindre. Derfor vil selskapet måtte ta hensyn til at fem av hver 100 måneder vil tape minst 87 500 euro, eller at en av hver 20. måned vil tape minst 87 500 euro.
