This thesis, explores the theoretical concept of Value at Risk (VaR), emphasizing its crucial role in risk management across various sectors such as banking, finance, and regulatory authorities of market risks, where it serves as a key tool for measuring and controlling potential losses. It examines primary estimation methods such as: Historical Simulation, Monte Carlo Simulation and GARCH.

An empirical analysis is performed which provides a comprehensive assessment of the effectiveness and limitations of three major Value at Risk (VaR) estimation techniques – Historical Simulation, Monte Carlo Simulation, and GARCH(1,1) – applied to a globally diversified equity portfolio. By integrating theoretical concepts, empirical modeling in Python, and rigorous backtesting procedures, it provides a multidimensional analysis of the strengths, limitations, and practical relevance of each method under real-world conditions. The analysis compares the results and highlights the importance of triangulation – combining multiple VaR approaches to enhance robustness and reliability.

Αυτή η διπλωματική εργασία εξερευνά τη θεωρητική έννοια της Αξίας σε Κίνδυνο (Value at Risk – VaR), τονίζοντας τον καθοριστικό της ρόλο στη διαχείριση κινδύνου σε διάφορους τομείς, όπως η τραπεζική, τα χρηματοοικονομικά και οι ρυθμιστικές αρχές αγορών, όπου λειτουργεί ως βασικό εργαλείο μέτρησης και ελέγχου πιθανών ζημιών. Εξετάζονται οι κύριες μέθοδοι εκτίμησης, όπως η Ιστορική Προσομοίωση, η Προσομοίωση Monte Carlo και το μοντέλο GARCH.

Η εμπειρική ανάλυση που ακολουθεί παρέχει μια ολοκληρωμένη αξιολόγηση της αποτελεσματικότητας και των περιορισμών των τριών βασικών τεχνικών εκτίμησης VaR – Ιστορικής Προσομοίωσης, Προσομοίωσης Monte Carlo και GARCH(1,1) – εφαρμοσμένων σε ένα παγκοσμίως διαφοροποιημένο χαρτοφυλάκιο μετοχών. Μέσω του συνδυασμού θεωρητικών εννοιών, εμπειρικής μοντελοποίησης σε Python και αυστηρών διαδικασιών ελέγχου (backtesting), παρέχεται μια πολυδιάστατη ανάλυση των πλεονεκτημάτων, των αδυναμιών και της πρακτικής σημασίας κάθε μεθόδου υπό πραγματικές συνθήκες. Η ανάλυση συγκρίνει τα αποτελέσματα και αναδεικνύει τη σημασία της τριγωνοποίησης – του συνδυασμού πολλαπλών προσεγγίσεων VaR για την ενίσχυση της αξιοπιστίας και της ανθεκτικότητας των αποτελεσμάτων.