Simulación histórica
La simulación histórica del VaR supone que la distribución de las pérdidas históricas es igual que la distribución de las pérdidas futuras. Comprobaremos si esto es cierto para nuestro portafolio de banco de inversión comparando el VaR del 95 % de 2005-2006 con el VaR del 95 % de 2007-2009.
Se ha creado para ti la lista asset_returns, que contiene las rentabilidades de los activos para cada uno de los dos periodos. Utilizarás esta lista para crear portfolio_returns con los weights disponibles, y utilizarás esto para derivar las losses del portafolio.
A continuación, utilizarás la función np.quantile() para hallar el VaR del 95 % para cada periodo. Si las distribuciones de pérdidas son iguales, la estimación del VaR del 95 % debe ser aproximadamente igual para ambos periodos. De lo contrario, la distribución puede haber cambiado con la crisis financiera mundial.
Este ejercicio forma parte del curso
Gestión cuantitativa de riesgos en Python
Instrucciones de ejercicio
- Crea una matriz Numpy de
portfolio_returnspara los dos periodos, a partir de la lista deasset_returnsy losweightsdel portafolio. - Genera la matriz de
lossesa partir deportfolio_returns. - Calcula la simulación histórica del VaR del 95 % para ambos periodos utilizando
np.quantile(). - Muestra la lista de estimaciones del VaR al 95 %.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# Create portfolio returns for the two sub-periods using the list of asset returns
portfolio_returns = np.array([ x.____(weights) for x in asset_returns])
# Derive portfolio losses from portfolio returns
losses = - ____
# Find the historical simulated VaR estimates
VaR_95 = [____(x, 0.95) for x in ____]
# Display the VaR estimates
print("VaR_95, 2005-2006: ", VaR_95[0], '; VaR_95, 2007-2009: ', VaR_95[1])