1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Kvantitativní řízení rizik v Pythonu
Connected

cvičení

Simulace Monte Carlo

Pomocí simulace Monte Carlo na portfoliu aktiv investiční banky za období 2005–2010 můžeš zjistit 95% VaR.

Průměrné ztráty aktiv jsou uloženy v Numpy poli mu. Efektivní kovarianční matice je e_cov (všimni si, že zde používáme denní, nikoli anualizovaný rozptyl jako v předchozích cvičeních). Použiješ je k vytvoření vzorových cest ztrát aktiv za jeden den a k simulaci denní ztráty portfolia.

Použití kovarianční matice e_cov umožňuje, aby byly cesty aktiv korelované, což je realistický předpoklad.

Počet kroků simulace total_steps je nastaven na 1440, stejně jako ve videu. Počet běhů N je nastaven na 10 000.

Pro každý běh vypočítáš kumulativní losses a pomocí funkce np.quantile() určíš 95% VaR.

K dispozici máš váhy portfolia weights a rozdělení norm z knihovny scipy.stats.

Pokyny 1/4

undefined XP
    1
    2
    3
    4
  • Inicializuj matici kumulativních jednodenních ztrát daily_loss – ta bude sloužit ke kumulaci simulovaných ztrát po minutách pro všechna 4 aktiva.