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.
Toto cvičení je součástí kurzu
Kvantitativní řízení rizik v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Initialize daily cumulative loss for the 4 assets, across N runs
daily_loss = np.zeros((____ , N))