Risicowaarschuwing: CFDs are complex instruments and come with a high risk of losing money rapidly due to leverage. 35.45% of retail investor accounts lose money when trading CFDs. You should consider whether you understand how CFDs work and

EDUCATION

Filtered Historical Simulation voor VaR (Extended Notities)

BY Jeroen van Dijk

|december 23, 2025

Wat is Filtered Historical Simulation?

Filtered Historical Simulation (FHS) is een geavanceerde methode om Value at Risk (VaR) te berekenen. In tegenstelling tot traditionele historische simulatie, houdt FHS rekening met veranderende volatiliteit in de markt. Dit maakt het een krachtig hulpmiddel voor risicomanagement, vooral in dynamische marktomstandigheden.

VaR zelf is een maatstaf die aangeeft wat het maximale verlies kan zijn binnen een bepaalde tijdsperiode, gegeven een bepaald betrouwbaarheidsniveau. FHS verbetert deze maat door eerst de volatiliteit te filteren, zodat de onderliggende risico’s nauwkeuriger worden ingeschat.

Waarom is volatiliteit belangrijk?

Marktvolatiliteit varieert voortdurend. Soms zijn er rustige periodes, soms heftige schommelingen. Traditionele historische simulatie kijkt simpelweg naar historische rendementen zonder rekening te houden met deze fluctuaties in volatiliteit. Hierdoor kan het risico onderschat of overschat worden.

FHS pakt dit aan door eerst de volatiliteit te modelleren en vervolgens de rendementen te normaliseren. Dit betekent dat de rendementen worden aangepast zodat ze vergelijkbaar zijn, ongeacht de marktomstandigheden op dat moment. Zo ontstaat een realistischer beeld van het risico.

Een ander belangrijk aspect van FHS is dat het gebruik maakt van statistische technieken om de volatiliteit te schatten. Dit kan bijvoorbeeld door het toepassen van GARCH-modellen (Generalized Autoregressive Conditional Heteroskedasticity), die specifiek zijn ontworpen om de tijdsafhankelijke veranderingen in volatiliteit te modelleren. Hierdoor kunnen analisten beter anticiperen op toekomstige marktbewegingen en hun risicoprofielen dienovereenkomstig aanpassen.

Bovendien biedt FHS niet alleen een beter inzicht in de risico's, maar kan het ook helpen bij het optimaliseren van portefeuilles. Door de nauwkeurigheid van de risicobeoordeling te verbeteren, kunnen beleggers en risicomanagers strategische beslissingen nemen die zijn gebaseerd op een gedegen analyse van de marktomstandigheden. Dit kan op zijn beurt leiden tot een betere rendement-risicoverhouding en een meer robuuste investeringsstrategie.

Hoe werkt Filtered Historical Simulation?

De kern van FHS bestaat uit twee stappen: het filteren van rendementen en het toepassen van historische simulatie op deze gefilterde data. Dit klinkt ingewikkeld, maar het proces is logisch en systematisch.

Stap 1: Volatiliteit modelleren

De eerste stap is het inschatten van de volatiliteit van de rendementen. Hiervoor wordt vaak een GARCH-model gebruikt, dat de volatiliteit dynamisch aanpast op basis van recente marktbewegingen. Dit model kijkt naar hoe groot de schommelingen waren en past de volatiliteit dienovereenkomstig aan.

Door deze stap worden de rendementen "gefilterd". Dit betekent dat elk rendement wordt gedeeld door de geschatte volatiliteit op dat moment, waardoor de invloed van veranderende volatiliteit wordt weggehaald.

Stap 2: Historische simulatie op gefilterde rendementen

Na het filteren worden de rendementen behandeld alsof ze afkomstig zijn uit een stabiele, constante volatiliteitsomgeving. De historische simulatie wordt toegepast op deze genormaliseerde data, waarbij de verdeling van rendementen wordt gebruikt om mogelijke verliezen te simuleren.

Vervolgens worden de resultaten teruggeschaald met de actuele volatiliteit om de uiteindelijke VaR te berekenen. Dit zorgt ervoor dat de VaR rekening houdt met de huidige marktomstandigheden.

Een belangrijk aspect van FHS is dat het niet alleen kijkt naar de gemiddelde rendementen, maar ook naar de extremen. Dit betekent dat het model in staat is om te anticiperen op zeldzame, maar significante gebeurtenissen die een grote impact kunnen hebben op de portefeuille. Door deze focus op de staart van de verdeling, kunnen risicomanagers beter voorbereid zijn op onverwachte marktbewegingen.

Daarnaast is het van belang om te benadrukken dat de keuze van het GARCH-model cruciaal is voor de nauwkeurigheid van de volatiliteitsinschattingen. Er zijn verschillende varianten van het GARCH-model, zoals EGARCH en IGARCH, die elk unieke eigenschappen hebben. De keuze van het model kan afhankelijk zijn van de specifieke kenmerken van de activa die worden geanalyseerd en de marktomstandigheden waarin ze zich bevinden. Dit maakt het proces van het toepassen van FHS zowel een kunst als een wetenschap, waarbij diepgaande kennis van financiële markten en statistische technieken vereist is.

Voordelen van Filtered Historical Simulation

FHS biedt verschillende voordelen ten opzichte van andere VaR-methoden, vooral voor handelaren en risicomanagers die werken met platforms zoals TIOmarkets.eu.

Realistischere risicometing: Door volatiliteit te modelleren, geeft FHS een nauwkeuriger beeld van potentiële verliezen.
Flexibiliteit: FHS past zich aan veranderende marktomstandigheden aan, wat cruciaal is in volatiele markten.
Geen aannames over verdeling: In tegenstelling tot parametische VaR-methoden hoeft FHS geen specifieke statistische verdeling aan te nemen.
Geschikt voor complexe portefeuilles: FHS kan worden toegepast op verschillende activaklassen en combinaties daarvan.

Voor gebruikers van TIOmarkets.eu betekent dit dat ze beter inzicht krijgen in hun risicoprofiel, wat helpt bij het maken van geïnformeerde handelsbeslissingen zonder afhankelijk te zijn van starre modellen.

Een ander belangrijk voordeel van Filtered Historical Simulation is de mogelijkheid om historische gegevens te gebruiken om toekomstige risico's te schatten. Dit houdt in dat handelaren kunnen leren van eerdere marktbewegingen en deze inzichten kunnen toepassen op hun huidige strategieën. Door de focus op historische data kunnen ze trends en patronen identificeren die anders misschien over het hoofd worden gezien met traditionele methoden.

Bovendien maakt FHS het mogelijk om scenario-analyse uit te voeren, waarbij handelaren verschillende hypothetische situaties kunnen simuleren. Dit biedt hen de kans om de impact van extreme marktomstandigheden op hun portefeuilles te evalueren. Hierdoor kunnen ze proactief maatregelen nemen om hun risico's te beperken, wat essentieel is in een steeds veranderende financiële omgeving.

Beperkingen en aandachtspunten

Hoewel FHS krachtig is, is het niet zonder beperkingen. Het is belangrijk om deze te begrijpen voordat je het model toepast.

Datakwaliteit en lengte

FHS is afhankelijk van historische data. Als de data onvolledig of van slechte kwaliteit is, kan dit de nauwkeurigheid van de VaR-berekening beïnvloeden. Daarnaast is een voldoende lange dataset nodig om betrouwbare resultaten te krijgen. Dit betekent dat het essentieel is om niet alleen te kijken naar de kwantiteit van de data, maar ook naar de kwaliteit ervan. Het is aan te raden om data te verzamelen uit verschillende bronnen en periodes om een breder en representatiever beeld te krijgen van de marktbewegingen.

Complexiteit van het model

Het modelleren van volatiliteit met bijvoorbeeld GARCH vereist enige statistische kennis en rekenkracht. Voor beginners kan dit een drempel zijn, maar met de juiste tools en begeleiding is het goed te leren. Het is ook belangrijk om te beseffen dat de keuze van het model invloed heeft op de uitkomsten. Beginners kunnen overwegen om gebruik te maken van softwarepakketten die gebruiksvriendelijke interfaces bieden, zodat ze zich kunnen concentreren op de interpretatie van de resultaten in plaats van de complexe wiskunde erachter.

Geen voorspelling van extreme gebeurtenissen

FHS baseert zich op historische data en kan daarom moeite hebben met het inschatten van zeldzame, extreme gebeurtenissen die niet in de dataset voorkomen. Dit is een algemene beperking van op historische simulatie gebaseerde methoden. Het is cruciaal voor analisten en investeerders om zich bewust te zijn van deze beperking en om aanvullende scenario-analyse of stress-testen uit te voeren. Door hypothetische situaties te modelleren, kunnen ze beter voorbereid zijn op onverwachte marktbewegingen en de impact daarvan op hun portefeuille.

Toepassing van FHS bij TIOmarkets.eu

TIOmarkets.eu biedt een platform waar handelaren toegang hebben tot diverse financiële instrumenten. Het toepassen van FHS kan hier een waardevolle aanvulling zijn op risicomanagementstrategieën.

Integratie met handelsplatform

Hoewel TIOmarkets.eu zelf geen directe FHS-tool aanbiedt, kunnen handelaren externe software gebruiken om hun posities te analyseren. Door data van het handelsplatform te exporteren, kunnen ze FHS toepassen om hun potentiële risico’s beter te begrijpen.

Educatie en ondersteuning

TIOmarkets.eu biedt educatieve bronnen die helpen bij het begrijpen van risicomodellen zoals VaR. Het leren over FHS kan een volgende stap zijn voor handelaren die hun kennis willen verdiepen en hun risicomanagement willen verbeteren.

Praktische tips voor handelaren

Gebruik voldoende historische data om betrouwbare volatiliteitsmodellen te bouwen.
Combineer FHS met andere risicoberekeningen voor een breder perspectief.
Blijf op de hoogte van marktontwikkelingen die volatiliteit kunnen beïnvloeden.
Experimenteer met eenvoudige volatiliteitsmodellen voordat je complexere technieken toepast.

Hoe begin je met Filtered Historical Simulation?

Voor beginners kan het starten met FHS overweldigend lijken, maar met een gestructureerde aanpak is het goed te doen.

Stap 1: Verzamel data

Begin met het verzamelen van historische prijsgegevens van de activa waarin je geïnteresseerd bent. Hoe langer de dataset, hoe beter.

Stap 2: Leer volatiliteitsmodellen

Verdiep je in modellen zoals GARCH of EWMA (Exponentially Weighted Moving Average). Er zijn veel online bronnen en cursussen beschikbaar die deze modellen uitleggen.

Stap 3: Normaliseer rendementen

Pas het gekozen volatiliteitsmodel toe om de rendementen te filteren. Dit betekent dat je de rendementen deelt door de geschatte volatiliteit per tijdstip.

Stap 4: Voer historische simulatie uit

Gebruik de genormaliseerde rendementen om een verdeling van mogelijke toekomstige rendementen te creëren. Simuleer hiermee mogelijke verliezen.

Stap 5: Schaal resultaten terug

Vermenigvuldig de gesimuleerde rendementen met de actuele volatiliteit om de uiteindelijke VaR te berekenen.

Stap 6: Analyseer en interpreteer

Bekijk de resultaten kritisch. Gebruik ze als een hulpmiddel om beter inzicht te krijgen in je risicopositie, niet als een exacte voorspelling.

Conclusie

Filtered Historical Simulation is een waardevolle techniek voor het berekenen van VaR, vooral in markten waar volatiliteit sterk fluctueert. Het biedt een realistischer beeld van risico’s dan traditionele methoden en is toepasbaar op diverse portefeuilles.

Voor handelaren op platforms zoals TIOmarkets.eu kan FHS helpen om beter geïnformeerde beslissingen te nemen. Hoewel het enige technische kennis vereist, zijn er voldoende middelen beschikbaar om deze methode onder de knie te krijgen.

Het blijft belangrijk om FHS te combineren met andere risicobeoordelingen en altijd kritisch te blijven op de beperkingen van elk model. Zo ontstaat een evenwichtig en betrouwbaar risicomanagement.

Risicowaarschuwing: CFD's zijn complexe instrumenten en brengen een hoog risico met zich mee dat u snel geld verliest te benutten. 35,45% van de rekeningen van particuliere beleggers verliest geld bij het handelen in CFD's. U moet overwegen of u begrijpt hoe CFD's werken en of u dat kunt kunt u zich veroorloven het grote risico te lopen uw geld te verliezen.

image-0fde21980416f2a02082da833dede3691bcf3ec4-1024x1024-png

Jeroen van Dijk

Jeroen van Dijk is een ervaren marktanalist gespecialiseerd in forex, indices en grondstoffen. Met meer dan tien jaar ervaring in de financiële markten combineert hij fundamentele en technische analyse om complexe marktbewegingen begrijpelijk te maken voor traders van elk niveau.