a:

Minimální počet simulací, které by měly být provedeny pro posouzení poměrně přesné hodnoty v riziku (VaR), se obecně považuje za 1 000, ale průmyslový standard má běžet minimálně 10 000 simulací.

Metoda Monte Carlo pro hodnocení VaR je variace metody historických výnosů, která se opírá o generování náhodných čísel. Hlavní výhodou této metody je, že typicky zvažuje mnohem širší rozsah možných výsledků než historická metoda, což poskytuje přesnější hodnocení celkového rizika. Zástupci historické metody tvrdí, že skutečné historické výsledky poskytují realističtější hodnocení pravděpodobných úrovní rizika, i když nemusí zahrnovat všechny možné scénáře.

VaR je nástroj pro hodnocení řízení rizik, který byl vyvinut k rozšíření tradičního rizikového měřítka volatility. Zjištěný problém s opatřeními volatility je, že obvykle nerozlišují mezi dobrou volatilitou a špatnou volatilitou. Volatilita není skutečně rizikem, pokud se jedná o zvýšení hodnoty investice. VaR vychází ze zaměření hodnocení rizik na odpověď na otázku maximální možné ztráty - nebo přesněji na maximální možnou ztrátu nebo dočasnou úroveň čerpání, u které lze důvodně očekávat výskyt. Například, teoreticky je možné dosáhnout 100% ztráty z nákupu akcií společnosti General Motors, což není realistická možnost. VaR se stala široce používanou metodou pro hodnocení rizik ve významných finančních službách a investičních podnicích.

VaR měří potenciální ztráty buď jednotlivého aktiva nebo celého portfolia investic za dané časové období a se stanovenou úrovní spolehlivosti. Úroveň důvěry je v podstatě pravděpodobnostní opatření. Například pokud výpočet VaR investičního aktiva činí 1 000 USD za období jednoho měsíce s 95% úrovní spolehlivosti, znamená to, že existuje pouze 5% pravděpodobnost, že dojde ke ztrátě větší než 1 000 USD v rámci časový rámec jednoho měsíce. Výpočty VaR mohou určit jakoukoli úroveň důvěry, ale nejčastěji se používají pro úroveň spolehlivosti 90%, 95% nebo 99%.

Tři primární metody, které se používají pro výpočet VaR, jsou historická metoda, metoda variance-covariance a simulační metoda Monte Carlo. Historická metoda využívá vstup skutečných historických výnosů investičního aktiva, reorganizuje je tak, aby se objevila v pořadí od nejhorších ztrátových výnosů k nejlepšímu zisku. Výsledkem se většinou připomíná typická statistická zvonová křivka, která vykazuje vyšší pravděpodobnost výskytu častějších výnosů a nejnižší pravděpodobnost návratnosti nejmenších investic.

Namísto skutečných historických výnosů metoda Monte Carlo používá generátor náhodných čísel k vytvoření řady možných výsledků návratnosti investic. Potenciální slabost metody spočívá v tom, že počáteční náhodně generované číslo může mít na celkové výsledky, což je důvod, proč se doporučuje provozovat nejméně 1 000 simulací. Každá simulace produkuje různé výsledky, ale vyšší počet simulací vede k menší průměrné odchylce mezi simulacemi.