歷史模擬法的核心在於根據市場因子的歷史樣本變化模擬證券組合的未來損益分布，利用分位數給出壹定置信水平下的VAR估計。歷史模擬法是壹種非參數方法，它不需要假定市場因子的統計分布，因而可以較好的處理非正態分布；該方法是壹種全值模擬，可有效地處理非線性組合(如包括期權的組合)。此外該方法簡單直觀，易於解釋，常被監管者選作資本充足性的基本方法。實際上，該方法是1993年8月巴塞爾委員會制定的銀行充足性資本協議的基礎。
歷史模擬法中，市場因子模型采用的是歷史模擬的方法――用給定歷史時期上所觀測到的市場因子的變化，來表示市場因子的未來變化；在估計模型中，歷史模擬法采用的是全值估計法，即根據市場因子的未來價格水平對頭寸進行重新估值，計算出頭寸價值的變化；最後，將組合的損益從小到達排序，得到損益分布，通過給定置信水平下的分位數求得VAR。比如說有1000個可能損益情況，95%的置信水平對應的分位數位為組合的第50個最大損益值。
歷史模擬法的計算步驟有：
1、映射，即識別出基礎的市場因子，收集市場因子適當時期的歷史數據(典型的是3到5年的日數據)，並用市場因子表示出證券組合中各個金融工具的盯市價值(包含期權的組合，可使有Black-Scholes或Garman-kohlhagen公式計算)。
2、根據市場因子過去N+1個時期的價格時間序列，計算市場因子過去N個時期價格水平的實際變化。假定未來的價格變化與過去完全相似，即過去N+1個時期價格變的N個變化在未來都可能出現，這樣結合市場因子的當前價格水平可能直接估計市場因子未來壹個時期的N種可能價格水平。
3、利用證券定價公式，根據模擬出的市場因子的未來N種可能價格水平，求出證券組合的N種未來盯市價值，並與對應當前市場因子的證券組合價值比較，得到證券組合未來的N種潛在損益，即損益分布。
4、根據損益分布，通過分位數求出給定置信水平下的VAR。
歷史模擬法的優、缺點：
1、歷史模擬法的優點
①歷史模擬法概念直觀，計算簡單、實施方便，容易被風險管理當局接受。
②歷史模擬法是壹種非參數法，不需要假定市場因子變化的統計分布，可以有效處理非對稱和厚尾問題。
③無須估計波動性、相關性等各種參數，也就沒有參數估計的風險；此外，它不需要市場動態模型，因此避免了模型風險。
④是全值估計方法，可以較好的處理非線性、市場大幅波動的情況，捕捉各種風險。
2、歷史模擬法的缺點
①假定市場因子的未來變化與歷史變化完全壹致，服從獨立同分布，概率密度函數不隨時間而變化(或明顯變化)，這與實際金融市場的變化不壹致。如根據歷史模擬法對歷史樣本的使用方式，不能預測和反映不能預測和反映未來的突然變化和極端事件；而當歷史樣本中包含了，又存在嚴重的滯後效應。
②需要大量的歷史數據。通常認為歷史模擬法需要的樣本數據不能少於1500個，如果是日數據，則相當於6年(以每年250個工作日計算)。而實際金融市場壹方面很難滿足這壹要求，如對於新興市場國家沒有如此多非得數據；另壹方面，太長的歷史數據無法反映未來情形(信息陳舊)，可能到了同分布假設。所謂的兩難困境――如果歷史數據太少，導致VAR估計的波動性和不精確性；而較長的歷史樣本盡管可以使VAR估計的穩定性增加，但可能違法獨立同分布假設。
③歷史模擬法計算出的VAR波動性較大。當樣本數據較大時，歷史模擬法存在嚴重的滯後效應，尤其是含有異常樣本數據時，滯後效應更加明顯，這會導致VAR的嚴重高估。同時，異常數據進出樣本時會造成VAR值的波動。由於市場因子的變化只是來自觀測區內間內的歷史樣本的相應變化，而VAR估計主要使用的是尾部概率，所以代表真實分布尾部的歷史觀測值的數目可能很少，特別是當置信度很高時，實際歷史數據的分布呈高度離散化，VAR值的跳躍性更加明顯。
④難於進行靈敏度分析。在實際應用中，通常需要考慮不同市場條件下，VAR的變動情況，然而歷史模擬法卻只能局限於給定的環境條件，很難作出相應的調整。
⑤歷史模擬法對計算能力要求很高。因為歷史模擬法采用的是定價公式而不是靈敏度，特別是當組合較為龐大且結構復雜時。實際應用中，可以采用簡化的方法，減少計算時間。但過多的簡化會削弱全值估計方法的優點。
對歷史模擬法應用效果的實證分析結論並不壹致。Hendricks在對即期外匯組合的研究中發現，在回報偏離正態分布情形下，歷史模擬法估計的99%置信度下的VAR的有效性高於分析方法。Mahoney的研究也支持該結論。Jackson等人的研究指出，在厚尾情況歷史模擬法效果好於分析方法，特別是在尾部估計事件中。而Kupiec的研究結論卻相反，他使用正態分布和t分布的模擬研究發現，當回報分布是厚尾時，歷史模擬法估計的VAR具有大的變化和向上的偏差。
二、分析方法
分析方法是VAR計算中最為常用的方法。它利用證券組合的價值函數與市場因子間的近似關系、市場因子的統計分布(方差-協方差矩陣)簡化VAR計算。根據證券組合價值函數形式的不同，分析方法可分為兩大類：Delta-類模型和Gamma-類模型。在Delta模型中，證券組合的價值函數均取壹階近似，但不同模型中市場因子的統計分布假設不同。如Delta-正態模型假定市場因子服從多元正態分布；Delta-加權正態模型使用加權正態模型(WTN)估計市場因子回報的協方差矩陣；Delta-GARCH模型使用GARCH模型描述市場因子。
在Gamma-類模型中，證券組合的價值函數均取二階近似，其中Gamma-正態模型假定市場因子的變化服從多元正態分布，Gamma-GARCH模型使用GARCH模型描述市場因子。
三、蒙特o卡羅模擬法
分析方法利用靈敏度和統計分布特征簡化了VAR。但由於對分布形式的特殊假定和靈敏度的局部特征，分析方法很難有效處理實際金融市場的厚尾性和大幅波動的非線性問題，往往產生各種誤差和模型風險。模擬方法可能很好的處理非線性和、非正態問題。其主要思路是反復模擬決定金融估計價格的隨機過程，每次模擬都可以得到組合在持有期末的壹個可能值，如果進行大量的模擬，那麽組合價值的模擬分布將收斂於組合的真實分布。這樣通過模擬發布會可以導出真實分布，從而求出VAR。
蒙特o卡羅模擬法亦稱作隨機模擬法，其基本思想是，為了求解科學、工程技術和經濟金融等方面的問題，首先建立壹個概率模型或隨機過程，使它的參數等於問題的解，然後通過對模型或過程的觀察計算所求參數的統計特征，最後給出所求問題的近似值，解的精度可用估計值的標準差表示。
蒙特o卡羅模擬法模擬法可以解決多種類型的問題，視其是否涉及隨機過程的形態和結果，該法的應用可分為兩大類。
1、確定性問題
用蒙特o卡羅模擬法求解該類問題的方法是，首先建立壹個與所求解有關的概率模型，使所求的解就是所建模型的概率分布或數學期望；然後對這個模型進行隨機抽樣觀察，即產生隨機變量；最後用其算術平均數作為所求解的近似估計值。計算多重積分、求逆矩陣、解線性方程組等都屬於這類問題。
2、隨機問題
對於這類問題，雖然有時可表示為多重積分或某些函數方程，並進而可考慮用隨機抽樣方法求解，然而壹般情況下都不采用這種間接模擬法，二是采用直接模擬法，即根據實際情況的概率法則進行抽樣試驗。運籌學中的庫存問題、隨機服務系統中的排隊問題以及模擬金融資產價值變化等都屬於這類問題。
蒙特o卡羅模擬法的基本步驟如下：
①針對實際問題建立壹個簡單且便於實現的概率統計模型，使所求的解恰好是所建模的期望值；
②對模型中的隨機變量建立抽樣分布，在計算機上進行模擬試驗，抽取足夠的隨機數，對有關的事件進行統計；
③對模擬試驗結果加以分析，給出所求解的估計及其精度(方差)的估計；
④必要時，還應改進模型以提高估計精度和模擬計算的效率。
蒙特o卡羅模擬方法的優、缺點：
該法的優點在於：
①產生的大量情景，比歷史模擬方法更精確和可靠；
②是壹種全值估計方法，可以處理非線性、大幅波動及厚尾問題；
③可模擬回報的不同行為(如白噪聲、自回歸和雙線性等)和不同分布。
其主要缺點在於：
①生的數據序列是偽隨機數，可能導致錯誤結果；隨機數中存在群聚效應而浪費了大量的觀測值，降低了模擬效率；
②依賴於特定的隨機過程和所選擇的歷史數據；
③計算量大、計算時間長，比分析方法和歷史模擬方法更復雜；
④具有模型風險，壹些模型(如幾何布朗假設)不需要限制市場因子的變化過程是無套利的。(欲知股市更多內情，請進股市神秘特區……)
由於蒙特o卡羅模擬方法的全值估計、無分布假定等特點及處理非線性、非正態問題的強大能力和實際應用中的靈活性，其近年來廣為應用。許多研究致力於改進傳統的蒙特o卡羅模擬法，試圖提高其計算速度和準確性。(張繼寶)