Die Historische Simulation verzichtet auf eine analytische Untersuchung der Risikofaktoren und arbeitet stattdessen mit Daten der Vergangenheit. Entsprechend hoch ist der Aufwand für die Pflege des Datenhaushalts. Während für die Anwendung des Varianz-Kovarianz-Ansatzes und der Monte Carlo Simulation die Schätzung der Volatilitäten und Korrelationen genügt, müssen für die Historische Simulation von allen Risikofaktoren alle Tageswerte der betrachteten Vergangenheit archiviert werden. Die Schwierigkeit besteht in der Auswahl eines optimalen Zeitfensters. Wenn die betrachteten Werte weit in die Vergangenheit zurückgehen, stellt sich die Frage, inwiefern sehr alte Beobachtungen für die aktuelle Risikomessung noch relevant sind. Wird die Historie jedoch zu kurz gewählt, stellt sich die Frage, ob die Anzahl der betrachteten Werte repräsentativ ist. Gleichzeitig vergrößert sich der Schätzfehler bei abnehmendem Stichprobenumfang.Das einfachste Verfahren zur Durchführung einer Historischen Simulation ist die Differenzenmethode. Hierbei werden die historischen Veränderungen eines Risikofaktors innerhalb einer bestimmten Periode gemessen (z.B. die Differenzen eines Wechselkurses zwischen je zwei aufeinander folgenden Tagen). Diese Differenzen werden in der Simulation mit dem aktuellen Marktpreis kombiniert. In dem Beispiel wären also alle historischen Wechselkursdifferenzen auf den aktuellen Wechselkurs zu addieren, woraus sich alternative Wechselkurse für die Simulation ergeben. Die Quotientenmethode geht ähnlich vor, verwendet aber die logarithmierten Veränderungen und erfüllt sowohl das Kriterium der Unabhängigkeit von dem absoluten Niveau, als auch das Kriterium der Stationarität.
Für ein unterschiedlichen Marktpreisrisiken ausgesetztes Portfolio werden durch die Simulation historischer Marktpreisänderungen viele alternative Portfoliowerte generiert (siehe Abbildung oben). Für jeden simulierten Portfoliowert kann die Abweichung zum Ausgangswert bestimmt werden. Aus den der Größe nach geordneten Wertänderungen kann für jede gewünschte Wahrscheinlichkeit der entsprechende Value at Risk abgezählt werden.
Die Historische Simulation ist wegen ihres geringen mathematischen Anspruchs einfach zu implementieren. Die Anwender müssen sich nicht mit der Messung von Volatilitäten und Korrelationen auseinandersetzen. Es werden auch keine Kenntnisse von Logarithmus, e-Funktion, Matrizenmultiplikation oder gar der Simulation von Zufallszahlen benötigt. Mit immer komplexer werdenden Portfoliostrukturen, wachsenden Anteilen optionaler Produkte und erhöhten Anforderungen an die Prognosegüte der Modelle ist eine Wanderungsbewegung zu den mächtigeren Simulationsverfahren zu erwarten.
Quelle: Vgl. HAGER, P. (2004), S. 123 ff.
