什麼是參數自助法？
參數自助法根據樣本分佈的性質來模擬產生觀察值。這一技術根據已觀察到的收益率樣本數據來“填充”未能觀察到的收益率。參數自助法工作流程如下:
資金管理人創造的收益率樣本分佈按照基本市場模型可以分解成三個部分:
a.資金管理人的技能。
b.因其投資組合與市場基準相關而產生的收益
c.資金管理人的特異性誤差
通過參數過程得到的新的分佈值被當做和其他樣本值一樣，用於尾指數、VaR和其他風險管理指標的計算之中。
參數自助法的假設條件是:原始收益與基準收益的線性關係以及該資金管理人的。值在某一階段恆定不變。但其實可能並非如此。對於掌握多種類型的資產且擁有動態策略的經理人來說，其收益與各種基準收益的關聯性會因時間的不同而改變。儘管參數自助法有這些缺點，但它的確在給定的已觀測到樣本收益的基礎上爲風險管理者提供3個對真實分佈更爲全面的認知。
爲了將投資組合管理者的基準整合進VaR框架中，Suleiman, Shapiro和Tepla (2005)提出分析資金管理人的收益超出其基準部分的“跟蹤誤差”(tracking error)， Suleiman, Shapiro和Tepla (2005)將跟蹤誤差定義爲資金管理人收益與同時期基準指數收益間的差值。
除了VaR，統計模型還包括用蒙特卡羅模擬的方法來估計風險資本的未來市場價值。蒙特卡羅模擬通常用來計算衍生品的風險敞口。情景分析和因果模型也可用做估計市場風險。但是作爲市場風險估量的輔助手段，它們由於過幹依賴定性分析，因而在與以歷史表現爲基礎的VaR值相比較時，容易出現誤導的情況。