Для решения задач оптимизации инвестиционного портфеля предлагается использовать методы, позволяющие более быстро и точно продвигаться к оптимуму с заданной хорошей начальной точкой. К таким методам оптимизации инвестиционного портфеля относятся: детерминистический контроль, алгоритм Нелдера ‒ Мида, алгоритм Бройдена ‒ Флетчера ‒ Гольдфарба ‒ Шанно (BFGS). В статье анализируются три подхода: параметрический, непараметрический и полупараметрический. Описывается параметрический подход на основе оценки вариационно-ковариационной матрицы в расчёте VaR. Приводится описание многомерной обобщенной авторегрессионной модели гетероскедастичности (MGARCH). Принимая во внимание результаты работы модели, можно определить будущие результаты, а адекватность модели может быть представлена в количественном отношении на основании результатов проверок с использованием исторических данных. Предлагается также использовать и непараметрический подход, который основывается на исторических данных. Такой подход устанавливает меньше строгих условий, однако присутствует риск чрезмерно близкой подгонки при извлечении данных. К данному подходу относятся историческое моделирование методом Монте-Карло, а также подходы нейронных сетей и регрессионного анализа.