Η χρήση της Τεχνικής Ανάλυσης ως στρατηγική επένδυσης, αμφισβητείται στο κατά πόσο μπορεί να δώσει μεγαλύτερες αποδόσεις από μια στρατηγική αγοράς και διακράτησης,  αν συμπεριλάβουμε και  τα κόστη συναλλαγών. Η χρησιμότητα της όμως στην επιβεβαίωση των τάσεων της αγοράς είναι σημαντική και αδιαμφισβήτητη. Στην συγκεκριμένη διπλωματική εργασία, χρησιμοποιήσαμε δείκτες της Τεχνικής Ανάλυσης για τον υπολογισμό της εκτίμησης του κινδύνου (Value at Risk) για τους δείκτες χρηματιστηρίου ΚΟSPI της Ν. Κορέας και KLSE της Μαλαισίας. Χρησιμοποιώντας τον απλό κινητό μέσο (ΚΜΟ) ως κριτήριο φιλτραρίσματος των δεδομένων, διακρίναμε δύο σύνολα, ανάλογα με την τάση της αγοράς στην εκάστοτε περίοδο.  Στην συνέχεια, εκτιμήσαμε τον κίνδυνο με την μέθοδο ιστορικής προσομοίωσης (HVaR),  λαμβάνοντας δεδομένα  από το αντίστοιχο σύνολο ανάλογα αν η αγορά είναι σε περίοδο ύφεσης ή όχι. Τα αποτελέσματα έδειξαν πως ο υπολογισμός του VaR μέσω φιλτραρίσματος των δεδομένων με την χρήση μεθόδων τεχνικής ανάλυσης υπερτερεί ποσοτικά αλλά και ποιοτικά από την ιστορική μέθοδο. Παρατηρήθηκε μείωση των παραβιάσεων σε σύγκριση με την ιστορική μέθοδο και επιπροσθέτως δείξαμε πως και στις περιπτώσεις παραβιάσεων η μέση απόκλιση παραβιάσεων είναι μικρότερη, χωρίς ωστόσο να αυξάνεται ιδιαιτέρως η αυστηρότητα των εκτιμήσεων VaR. Καταλήγουμε στο συμπέρασμα πως η νέα μέθοδος υπολογισμού VaR, χρησιμοποιώντας μεθόδους τεχνικής ανάλυσης ενσωματώνει γρηγορότερα τις νέες καταστάσεις της αγοράς, στον υπολογισμό της αξίας σε κίνδυνο και αυτό οδηγεί σε ακριβέστερες εκτιμήσεις.

Technical Analysis as an investment strategy which is questionable as to whether it can yield higher returns than a buy and hold strategy when the trading costs are included in the calculations. However, its usefulness in confirming market trends is important and indisputable. We use Technical Analysis indicators to calculate the Value at Risk for the KOSPI of South Korea and the KLSE of Malaysia. Using the Simple Moving Average (SMA) as a criterion for filtering the data, we distinguished two sets, depending on the market trend in each period. After this first stage, we estimate the risk applying the Historical Method (HVaR) and taking data from the corresponding set depending on whether the market is in a recession or not. The results show that the calculation of VaR through data filtering using technical analysis methods outperforms the historical method both quantitatively and qualitatively. The number of violations with the filtered approach is smaller than the respective number of violations of the conventional approach, while even when violations are reported the average deviation of violations is smaller for the filtered approach, without increasing the rigor of the VaR estimates. We conclude that the new VaR calculation method, which incorporates the technical analysis rules, incorporates faster the new market conditions in the VaR estimations and this leads to more accurate estimates.