VaR paramétrico
El Value at Risk también puede calcularse de forma paramétrica mediante un método conocido como VaR de varianza/covarianza. Este método te permite simular un rango de posibilidades basándote en las propiedades de la distribución histórica de los rendimientos, en lugar de en los valores de rendimiento reales. Puedes calcular el VaR(90) paramétrico usando:
# Importa norm de scipy.stats
from scipy.stats import norm
# Calcula el VaR paramétrico
norm.ppf(confidence_level=0.10, mu, vol)
donde mu y vol son la media y la volatilidad, respectivamente.
Los datos de rendimientos están disponibles (en decimales) en la variable StockReturns.
Este ejercicio forma parte del curso
Introducción a la gestión del riesgo de cartera en Python
Instrucciones del ejercicio
- Importa
normdescipy.stats. - Calcula la media y la volatilidad de
StockReturnsy asígnalas amuyvol, respectivamente. - Establece el
confidence_levelpara VaR(95). - Calcula el VaR(95) usando la función
norm.ppf(), pasando el nivel de confianza como primer parámetro, ymuyvolcomo segundo y tercer parámetros.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Import norm from scipy.stats
____
# Estimate the average daily return
mu = ____(StockReturns)
# Estimate the daily volatility
vol = ____(StockReturns)
# Set the VaR confidence level
confidence_level = ____
# Calculate Parametric VaR
var_95 = ____
print('Mean: ', str(mu), '\nVolatility: ', str(vol), '\nVaR(95): ', str(var_95))