几种方法的比较
风险价值测量的三种方法各具有优势，但是也都带有局限性。方差—协方差模型，以及德尔塔正态和德尔塔—伽马两种修正模型，需要我们对标准化资产的投资回报分布作出明确的假设，但是一旦假设确定，后一步的计算就比较简单。历史数据模拟不需要对回报的分布进行假设，但是它的计算先决条件是模拟所使用的历史数据能够代表未来的投资风险。蒙特卡罗模拟对选择回报分布没有什么要求，而且还可以加入主观判断和外部数据，但是它的运算量非常大。
由于三种方法都是用来测量风险价值的，因此就有必要提这样两个问题：
● 三种方法测量所得的风险价值有何差异？
● 如果它们之间存在差异，那么哪种方法测得的结果比较可靠？
回答第一个问题，我们必须认识到，三种方法测得的结果都是输入数据的函数。例如，如果历史回报数据是呈正态分布的，并且被用来计算方差—协方差矩阵，那么历史数据模拟模型和方差—协方差模型将产生同样的风险价值。同样，如果蒙特卡罗模拟中所输入的数据是正态分布的，且均值与方差也一致，那么它与方差—协方差法测得的风险价值也大致相似。如果假设的条件不一致，那么产生的结果也会不同。最后，如果蒙特卡罗模拟中使用的分布完全来自历史数据，那么它与历史数据模拟得出的结果也会趋于一致。
至于第二个问题，那要看所评价的是什么样的风险，还要看我们如何使用这些测量模型。我们在介绍每种方法之后，都会介绍它们的修正模型，这些修正模型的设计都是为了提高计量的水平。有些研究人员在进行比较分析的时候往往会带有倾向性，那是因为他们在将自己设计的修正模型与其他的模型进行比较。他们当然会认为自己的方法优于其他的模型。如果我们不带偏见地去观察这些模型，那么就可以得出结论：它们各具优势。亨德里克斯（Hendricks）观察了用方差—协方差模型和历史数据模拟模型对1 000个随机选择的外汇投资组合风险价值测量的结果，对它们进行了比较。他用了九个衡量标准，包括均方误差（指实际损失与预测损失之间）及测算结果的百分点。结论是，两种方法测得的结果大致相同，所要涵盖的风险基本涵盖到，至少在95%的置信区间是如此。他认为，两种方法的缺点都是难以涉及极端的结果，也不能顾及风险的变化。兰伯德雷斯（Lambadrais）等学者用历史数据模拟和蒙特卡罗模拟计算希腊的股票和债券市场的风险价值。他们发现，虽然历史模拟夸大了线性股票投资组合的风险价值，但是对非线性的债券投资组合测量结果并不理想。
总之，要回答哪一种风险价值测量法最好，还要视情况而定。如果测量的对象是不包括期权的投资组合，且期限较短（一?或一个星期），那么方差—协方差模型不失为一种好的方法，尽管它要基于正态分布的假设。如果测量的对象是稳定的、风险较高的投资，而且有大量的历史数据（例如期货价格），历史数据模拟是比较好的选择。如果为非线性投资组合（包括期权在内）测量风险价值，而且期限较长，历史数据不稳定，数据也不呈现正态分布，那么选择蒙特卡罗模拟就比较明智。
