Akciové rizikové faktory a implikovaná volatilita

Při analýze rizika portfolia obsahujícího opci je nutné zohlednit změny ve všech třech rizikových faktorech: ceně akcie, volatilitě a úrokových sazbách. V této části se zaměříš na první dva z těchto faktorů a budeš předpokládat, že se úrokové sazby v krátkých časových intervalech příliš nemění. Denní hodnoty rizikových faktorů za období 1990–2010 jsou uloženy v riskfactors a odpovídající log-výnosy v returns; obě multivariátní datové sady jsou načteny ve tvém pracovním prostředí.

Volatilita je nový rizikový faktor, který se v tomto kurzu dosud neobjevil. Je reprezentována indexem VIX, který je konstruován z implikovaných volatilit širokého spektra opcí na index S&P 500:

> names(returns)
[1] "X.GSPC" "X.VIX"

V tomto cvičení si ověříš, zda se log-výnosy volatility chovají podobně jako ostatní data výnosů, se kterými ses již setkal/a, a uvidíš, jak se mění v závislosti na log-výnosech indexu S&P 500.

Toto cvičení je součástí kurzu

Kvantitativní řízení rizik v R

Zobrazit kurz

Pokyny k cvičení

Použij příslušnou funkci pro vykreslení dat v riskfactors a v returns.
Pomocí plot() a as.matrix() v sérii vytvoř bodový graf (scatterplot) dat returns.
Pomocí apply() proveď Jarque-Berův test na datech returns, a poté pomocí qqnorm() a indexování v závorkách vytvoř Q-Q graf vůči normálnímu rozdělení pro log-výnosy řady v returns obsahující data volatility.
Vytvoř graf výběrové ACF pro data v returns a poté pro absolutní výnosy těchto dat.
Pomocí cor() vypočítej korelaci mezi log-výnosy obou rizikových faktorů v returns.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Plot the risk factors and the log-returns



# Make a scatterplot of the two return series


# Apply the Jarque-Bera test to the returns and make a Q-Q plot of the volatility log-returns



# Create the sample acf of the returns and absolute returns



# Calculate the correlation between the log-returns

Upravit a spustit kód