Monte-Carlo-Simulation
Du kannst mit einer Monte-Carlo-Simulation der Assets im Investmentbank-Portfolio von 2005–2010 die 95-%-VaR bestimmen.
Die mittleren Asset-Verluste stehen im Numpy-Array mu. Die effiziente Kovarianzmatrix ist e_cov (beachte, dass wir hier die tägliche, nicht die annualisierte Varianz wie in früheren Übungen verwenden). Damit erstellst du Stichprobenpfade für Asset-Verluste über einen Tag, um den täglichen Portfolioverlust zu simulieren.
Die Verwendung der Kovarianzmatrix e_cov erlaubt es, Asset-Pfade zu korrelieren – eine realistische Annahme.
Die Zahl der Simulationsschritte total_steps ist wie im Video auf 1440 gesetzt. Die Anzahl der Durchläufe N ist 10000.
Für jeden Durchlauf berechnest du die kumulierten losses und wendest dann die Funktion np.quantile() an, um die 95-%-VaR zu finden.
Portfolio-weights und die norm-Verteilung aus scipy.stats stehen zur Verfügung.
Diese Übung ist Teil des Kurses
Quantitative Risk Management in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Initialize daily cumulative loss for the 4 assets, across N runs
daily_loss = np.zeros((____ , N))