评价
前一章中我们罗列过模拟法的优点和缺点，它们对风险价值计算同样适用。模拟的质量取决于输入变量的概率分布。虽然许多人认为蒙特卡罗模拟比历史数据模拟要复杂，学者们其实还是直接提取历史数据来为蒙特卡罗模拟设定分布假设。
此外，由于市场风险因素增加，风险因素的变动也更加复杂，因此蒙特卡罗模拟变得更加难以执行。这是因为在测量投资组合的风险价值时，我们要对数百个市场风险变量计算概率分布，这与为某一项资产计算概率分布完全不同。其次，为了获得理想的风险价值数据，我们要模拟数万次，而不是原来的数千次。
如果将蒙特卡罗模拟与另外两种测量风险价值的方法进行比较，前者的优势是明显的。若是用方差—协方差方法去测量风险价值，我们需要对正态回报做出一些不切实际的假设,蒙特卡罗模拟则不需要。它与历史数据模拟法也不相同。虽然开始也是用历史数据，但是我们可以随意地加入主观的判断和其他信息，以提高预测概率分布的质量。还有，蒙特卡罗模拟可以用来测量任何类型投资组合的风险价值，组合中甚至可以包括期权和期权类证券。
修正
与其他的测量方法一样，对蒙特卡罗模拟的修正主要是针对它的最大弱点，即浩大的计算量。举一个简单的例子，假设某一个收益率曲线模型中有15个关键利率，每个利率有四个可能的值，那么就需要完成1 073 741 824次模拟。修正后的蒙特卡罗?拟使用不同的计算工具，减少了变量，所以模拟的次数就减少了。
● 情景模拟：减少蒙特卡罗模拟计算量的一种方法是对一些离散情景进行分析。弗莱（Frye）提出了一种情景模拟的方法。他先在系统中设定一组影响因子，然后再设计情境。詹姆仕丹(Jamshidan)等也提出了一种情景模拟法，他们首先是对主要因子进行分析，以此来减少因子的数量。他们不是让每个风险变量都去影响风险价值的计算，而是对各种变量进行组合，然后再设计情景，根据所设计的情景计算风险价值，最后得出模拟结果。
● 针对方差—协方差法修正的蒙特卡罗模拟：方差—协方差法的优势是它的测量速度。如果我们愿意作出必要的正态回报的分布假设，就可以利用方差—协方差矩阵很快计算出各种投资组合的风险价值。蒙特卡罗模拟法的优势是它的灵活性，用户可以作出各种分布假设，处理各类风险。它的缺点是运行缓慢。格拉瑟曼（Glasserman）等学者使用近似的方差—协方差矩阵，以指导蒙特卡罗模拟的采样。这样做节省了时间和资源，可是并没有太多地影响到测量的精度。
权衡这些修正模型的利弊，结果很简单，即我们放弃了蒙特卡罗模拟中的精度，但是缩短了计算的时间，也不需要作很多的假设。
