歷史模擬法是一個簡單的、非理論的方法，有些金融商品不易取得完整的歷史交易資料，此時可以借由搜集此金融商品之風(fēng)險因子計算過去一段時間內(nèi)的資產(chǎn)組合風(fēng)險收益的頻率分布,通過找到歷史資料求出其報酬率，然后搭配目前持有資產(chǎn)的投資組合部位，則可以重新建構(gòu)資產(chǎn)價值的歷史損益分配，然后對資料期間之每一交易日重復(fù)分析步驟，如果歷史變化重復(fù)時，則可以重新建構(gòu)資產(chǎn)組合未來報酬的損益分配。

歷史模擬法不必假設(shè)風(fēng)險因子的報酬率必須符合常態(tài)分配。

歷史模擬法釋例1

債券風(fēng)險設(shè)算為例:

(1)確定風(fēng)險因子：國內(nèi)債券的風(fēng)險因子為利率。

(2)選取歷史期間的長度

(3)搜集利率的資料，并計算每日利率波動之程度，及其所有相對應(yīng)之損益分布。

(4)將所有相對的債券損益按大小依序排列，計算其方式機(jī)率并繪成直方圖，模擬出未來的損益分配。

(5)選定所要估計之信賴水準(zhǔn)，在該百分位數(shù)之價值即為此債券之風(fēng)險值。

歷史模擬法釋例2

假設(shè)今日以60元買入鴻海的股票10張共60萬元，我們只可以找到過去101個交易日的歷史資料，求在95%信賴水準(zhǔn)之下的日風(fēng)險值為何？

1.根據(jù)過去101日鴻海之每日收盤價資料，可以產(chǎn)生100個報酬率資料。

2.將100個報酬率由小排到大找出到倒數(shù)第五個報酬率（因為信賴水準(zhǔn)為95%），在此假設(shè)為-4.25%。

3.-4.25% * 600,000 =-$25,500

4.所以VaR= $25,500，因此明日在95%的機(jī)率下，損失不會超過$ 25,500元。

使用歷史模擬法要有大量的歷史資料，才有辦法精確的敘述在極端狀況下（如99%的信賴水準(zhǔn)）的風(fēng)險值 。

歷史資料中能捕捉到的極端損失的機(jī)率低于正常損益的機(jī)率，量多而且具有代表性的資料的取得就相形重要。

歷史模擬法更可以勾勒出資產(chǎn)報酬分配常見的厚尾、偏態(tài)、峰態(tài)等現(xiàn)象，因此計算歷史價格的時間（與資料的多寡有關(guān)）是影響風(fēng)險值的一個重點(diǎn)。

優(yōu)點(diǎn):不需要加諸資產(chǎn)報酬的假設(shè)

利用歷史資料，不需要加諸資產(chǎn)報酬的假設(shè)，可以較精確反應(yīng)各風(fēng)險因子的機(jī)率分配特性，例如一般資產(chǎn)報酬具有的厚尾、偏態(tài)現(xiàn)象就可能透過歷史模擬法表達(dá)出來

優(yōu)點(diǎn):不需分配的假設(shè)

歷史模擬法是屬于無母數(shù)法的一員，不須對資產(chǎn)報酬的波動性、相關(guān)性做統(tǒng)計分配的假設(shè)，因此免除了估計誤差的問題；況且歷史資料已經(jīng)反應(yīng)資產(chǎn)報酬波動性、相關(guān)性等的特征，因此使得歷史模擬法相較于其它方法，較不受到模型風(fēng)險的影響。

優(yōu)點(diǎn):完全評價法

不需要類似一階常態(tài)法以簡化現(xiàn)實(shí)的方式，利用趨近求解的觀念求取進(jìn)似值；因此無論資產(chǎn)或投資組合的報酬是否為常態(tài)或線性，波動是否隨時間而改變，Gamma風(fēng)險等等，皆可采用歷史模擬法來衡量其風(fēng)險值。

缺點(diǎn):資料的品質(zhì)與代表性

龐大歷史資料的儲存、校對、除錯等工作都需要龐大的人力與資金來處理，如果使用者對于部位大小與價格等信息處理、儲存不當(dāng)，都會產(chǎn)生垃圾進(jìn)，垃圾出的不利結(jié)果。

有些標(biāo)的物的投資信息取得不易，例如未上市公司股票的價格、新上市（柜）公司股票的歷史資料太短、有的流動性差的股票沒有每日成交價格等。

若某些風(fēng)險因子并無市場資料或歷史資料的天數(shù)太少時，模擬的結(jié)果可能不具代表性，容易有所誤差。 缺點(diǎn):極端事件的損失不易模擬

主要的理由就是重大極端事件的損失比較罕見，無法有足夠的資料來模擬損失分配 。

極端事件發(fā)生期間占整體資料比數(shù)的比例如何安排也是個問題，不同的比例會深深影響歷史模擬法的結(jié)果。

例如以國際股票投資為例，1997年的亞洲金融危機(jī)、2001年美國發(fā)生的911恐怖攻擊事件、美伊戰(zhàn)爭的進(jìn)展等事件都會引發(fā)全球股市的大幅變動，若這些發(fā)生巨幅變動的時間占整體資料的比重過大，就會高估正常市場的波動性，因而高估真正的風(fēng)險值。

缺點(diǎn):因子的變動假設(shè)

未來風(fēng)險因子的變動會與過去表現(xiàn)相同的假設(shè)，不一定可以反映現(xiàn)實(shí)狀況。

漲跌幅比例的改變、交易時段延長、最小跳動單位改變等，都會使得未來的評估期間的市場的結(jié)構(gòu)可能會產(chǎn)生改變，而跟過去歷史模擬法選樣的期間不同，甚至從未在選樣期間發(fā)生的事件，其損益分配是無從反映在評估期間的風(fēng)險值計算上。

缺點(diǎn):資料選取的長度

雖然資料筆數(shù)要夠多才有代表性，但是太多久遠(yuǎn)的資料會喪失預(yù)測能力，但是過少的時間資料又可能會遺失過去曾發(fā)生過的重要訊息，兩者的極端情況都會使歷史模擬法得所到的風(fēng)險值可信度偏低，造成兩難的窘境。

到底要選用多長的選樣期間，只有仰賴對市場的認(rèn)知與資產(chǎn)的特性，再加上一點(diǎn)主觀的判斷來決定了。

包括指數(shù)加權(quán)移動平均法與拔靴復(fù)制法（Bootstrap Method），前者可以給予近期資料較高的權(quán)值，后者可以在歷史資料不足的時候增加選樣筆數(shù)。