基金組合的 VaR
假設我們需要計算一個基金組合的 1 天 VaR。資金是交易的，每天都可以買賣。我們確切地知道每個基金的資產是什麼。計算 VaR 的正確方法是什麼？
- 扁平化投資組合併計算資產組合的 VaR
- 將每個基金視為可交易資產並據此計算 VaR？
兩種方法都有缺點，因此如果必須在兩者中進行選擇，則應在特定情況下比較這些缺點。或者另一種方法是設計兩者的混合體（例如，添加基金投資組合與（1）視圖的歷史偏差的統計數據等……）。
(1) 的缺點包括：交易成本、再平衡、管理費等都失去/未計算在內。對於 (2)：與因子模型相比，您可能會損失資訊和統計效率（尤其是在成分數量 > 基金的情況下）；一個人也失去了正確處理衍生品的能力（在 (1) 中也可以通過跟踪底層證券來獲得）。
當然重要的是你在處理什麼樣的資金，這將改變上述缺點的相對重要性；例如，它們是主動的還是被動的/基準？顯然，被動意味著（1）比主動的問題更少（但這並不能完全消除比較的需要）……
如果您有時間，我建議您使用混合動力來充分利用這兩種方法。這個聯合模型的一些細節：(1) 具有投資範圍及其動態的詳細統計數據的優勢 (2) 除了基礎投資 (2a)（無法直接訪問，也可能具有較低的統計能力）包括上述基金和管理層的額外動態（2b）。
混合模型的第一個目標當然是提取第二個分量 (2b)，方法是減去我們假設通過 (1) 更詳細地了解的市場行為。作為第二步，當然可以模擬組合模型 (1) 和 (2b) 的預測併計算它們的 VaR。
所以詭計主要在於推導（2b）。如果除了基礎價格的歷史之外，基金持有的歷史也是已知的（我們稱之為理想情況 1A），那麼可以輸入額外的資訊，例如關於再平衡的資訊（2b）（以幫助辨識諸如費用之類的殘差，如果它們’不明確地知道）和首先，（1）和（2a）之間的比較是正確的。基金中的所有市場動態都被正確建模，以便分析剩餘基金行為。否則 - 保持固定的基金組成 (1B) - 您必須注意，在過去，這種目前觀點會導致靜態的“合成”基金歷史可能與正確的動態合成基金歷史 (1A) 不同，因此您正在為 (2b) 分析的兩個視圖 (2)-(1B) 之間產生的差異可能不是很現實。所以在這裡，至少應該做一些額外的指數加權……