Serving as a risk measure, Value-at-Risk (VaR) has achieved wide acceptance in the financial market risk management and made its way into the issue of capital adequacy in Basel rules. Using the basic Monte Carlo simulation to calculate VaR inherently suffers from sampling variability which can be mitigated only at the cost of expanding computational efforts, thus being confronted with a tradeoff between accuracy and tractability. Hence, one is motivated to research more efficient methods which are capable of achieving the required accuracy while using less simulation scenarios. This thesis deals mainly with the evaluation of various variance reduction methods in daily VaR run of a financial institute. To begin with, potential techniques such as control variates, antithetic variates, stratified sampling, Latin hypercube sampling, and importance sampling are investigated. Next, some of them are applies to VaR estimation and tested with the help of a test portfolio. Finally, the techniques are evaluated and recommended.     «

Serving as a risk measure, Value-at-Risk (VaR) has achieved wide acceptance in the financial market risk management and made its way into the issue of capital adequacy in Basel rules. Using the basic Monte Carlo simulation to calculate VaR inherently suffers from sampling variability which can be mitigated only at the cost of expanding computational efforts, thus being confronted with a tradeoff between accuracy and tractability. Hence, one is motivated to research more efficient methods which a...     »

Value-at-Risk (VaR) als ein Risikomaß hat eine breite Akzeptanz im Bereich des Risikomanagements u.a. Marktrisiko und seinen Einsatz zum Thema der Eigenkapitalanforderung in Basel gewonnen. Die Verwendung der einfachen Monte-Carlo-Simulation zur Berechnung des VaR leidet angeboren schon an dem Zufallsfehler der Stichprobe, die nur auf Kosten des Rechenaufwands verringert werden kann, und konfrontiert damit mit einem Kompromiss zwischen Genauigkeit und Lenkbarkeit. Deswegen sind die Leute dazu motiviert, effizientere Methoden, die die erforderliche Genauigkeit mit wenigeren Simulationsszenarien erreichen können, zu untersuchen. Diese Arbeit beschäftigt sich hauptsächlich mit der Auswertung verschiedener Varianz-Reduktionsverfahren in der täglichen VaR-Berechnung in den Finanzinstituten. Vor allem werden potenzielle Verfahren wie Kontrollvariable, antithetische Variablen, geschichtete Stichprobenziehung, Latin Hypercube Sampling und Importance Sampling untersucht. Danach werden einige davon zur Berechnung des VaRs verwendet und mit Hilfe eines Test-Portfolio überprüft. Schließlich werden die Verfahren beurteilt und die guten davon werden zur Anwendung in der Praxis empfohlen.     «

Value-at-Risk (VaR) als ein Risikomaß hat eine breite Akzeptanz im Bereich des Risikomanagements u.a. Marktrisiko und seinen Einsatz zum Thema der Eigenkapitalanforderung in Basel gewonnen. Die Verwendung der einfachen Monte-Carlo-Simulation zur Berechnung des VaR leidet angeboren schon an dem Zufallsfehler der Stichprobe, die nur auf Kosten des Rechenaufwands verringert werden kann, und konfrontiert damit mit einem Kompromiss zwischen Genauigkeit und Lenkbarkeit. Deswegen sind die Leute dazu mo...     »