Parametrický VaR

Value at Risk lze vypočítat také parametricky metodou tzv. variance/kovariance VaR. Tato metoda ti umožňuje simulovat různé scénáře na základě vlastností historického rozdělení výnosů, nikoli na základě skutečných hodnot výnosů. Parametrický VaR(90) vypočítáš takto:

# Import norm from scipy.stats
from scipy.stats import norm

# Calculate Parametric VaR
norm.ppf(confidence_level=0.10, mu, vol)

kde mu a vol jsou průměr a volatilita.

Data výnosů jsou k dispozici (v desetinném vyjádření) v proměnné StockReturns.

Toto cvičení je součástí kurzu

Úvod do řízení portfoliového rizika v Pythonu

Zobrazit kurz

Pokyny k cvičení

Importuj norm z scipy.stats.
Vypočítej průměr a volatilitu StockReturns a přiřaď je do proměnných mu a vol.
Nastav confidence_level pro VaR(95).
Vypočítej VaR(95) pomocí funkce norm.ppf() – jako první parametr předej hladinu spolehlivosti, jako druhý a třetí mu a vol.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import norm from scipy.stats
____

# Estimate the average daily return
mu = ____(StockReturns)

# Estimate the daily volatility
vol = ____(StockReturns)

# Set the VaR confidence level
confidence_level = ____

# Calculate Parametric VaR
var_95 = ____
print('Mean: ', str(mu), '\nVolatility: ', str(vol), '\nVaR(95): ', str(var_95))

Upravit a spustit kód