Risikokennzahlen skalieren
Die in den vorherigen Übungen berechnete VaR(95)-Zahl ist lediglich der Value at Risk für einen einzelnen Tag. Um den VaR für einen längeren Zeithorizont zu schätzen, skaliere den Wert mit der Quadratwurzel der Zeit, ähnlich wie bei der Volatilität:
$$ \text{VaR(95)}_{\text{t days}} = \text{VaR(95)}_{\text{1 day}} * \sqrt{t} $$
StockReturns_perc und var_95 aus der vorherigen Übung stehen in deinem Workspace bereit. Nutze diese Daten, um den VaR für den USO Oil ETF für 1 bis 100 Tage ab heute zu schätzen. Wir haben außerdem eine Funktion plot_var_scale() definiert, die den VaR für 1 bis 100 Tage ab heute darstellt.
Diese Übung ist Teil des Kurses
Einführung in das Portfoliorisikomanagement mit Python
Anleitung zur Übung
- Iteriere von 0 bis 100 (ohne 100) mit der Funktion
range(). - Setze die zweite Spalte von
forecasted_valuesan jedem Index auf den prognostizierten VaR, indem duvar_95mit der Quadratwurzel voni + 1mittels der Funktionnp.sqrt()multiplizierst.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Aggregate forecasted VaR
forecasted_values = np.empty([100, 2])
# Loop through each forecast period
for i in ____:
# Save the time horizon i
forecasted_values[i, 0] = i
# Save the forecasted VaR 95
forecasted_values[i, 1] = ____
# Plot the results
plot_var_scale()