Monte Carlo VaR er en metode til at estimere VaR (Value at Risk), der bruger computersoftware til at generere hundreder eller tusinder af mulige resultater baseret på indledende data indtastet af brugeren.
De opnåede resultater er ordnet fra den højeste til den mindste rentabilitet som ved beregningen af VaR efter den historiske metode. Dernæst identificerer vi 5% af data med det laveste afkast, og det højeste af disse 5% laveste afkast vil være VaR. Dataene præsenteres normalt grafisk for at få en bedre visualisering af resultaterne og deres frekvens.
Den største fordel ved at estimere VaR ved Monte Carlo-metoden er til gengæld dens største ulempe, da der afhængigt af de indtastede oprindelige data genereres en række antagelser, der vil styre resultaterne (vejafhængighed eller afhængig af den valgte vej). I betragtning af Monte Carlo-kompleksiteten kan du have en falsk følelse af pålidelighed, men hvis de indtastede data (input) ikke er korrekte, vil oplysningerne ikke være pålidelige. På trods af dette er det normalt mere nøjagtigt end den parametriske VaR-metode.
Monte Carlo simuleringEksempel på VaR ved Monte Carlo-metoden
Forestil dig, at efter at have genereret 100 forskellige resultater af computerprogrammet (der bruges normalt flere, men vi vil bruge 100 til at lette eksemplet), og når du bestiller de opnåede værdier fra højeste til laveste, opnår vi at de fem værste er følgende :
-15,25%, -12,75%, -10,85%, -10,05%, -8,75%
Hvis vi ønsker at beregne VaR med 95% konfidens, skal vi vælge de 5% med de værste resultater. Vi vælger derefter det femte værste resultat (5% af 100) i hele perioden, hvilket er -8,75%. Hvis vi antager, at investeringen i dette aktiv er 1 million euro, vil VaR på 5% være 87.500 euro, dvs. der er 5% sandsynlighed for at miste mindst 87.500 euro og 95% sandsynlighed for, at dette tab er mindre. Derfor bliver virksomheden nødt til at tage højde for, at fem ud af hver 100 måneder vil miste mindst 87.500 euro, eller at en ud af hver 20. måned vil miste mindst 87.500 euro.
