Estimación de VaR y ES
Ya estás listo para estimar el VaR y el ES para el inversor en renta variable internacional utilizando las pérdidas y ganancias simuladas históricamente en hslosses.
Lo harás con dos métodos. Primero, aplicarás un método no paramétrico sencillo usando un cuantil muestral para estimar el VaR y la media de los valores que superan ese cuantil muestral para estimar el ES.
Después, compararás estas estimaciones con los valores obtenidos asumiendo que hslosses sigue una distribución normal. Obviamente, esta es una suposición muy mala y deberías comparar ambos conjuntos de estimaciones para ver cuáles son más conservadoras.
Este ejercicio forma parte del curso
Gestión Cuantitativa del Riesgo en R
Instrucciones del ejercicio
- Usa
quantile()para estimar el percentil muestral 99 de la distribución dehslosses. - Estima el ES al 99 % calculando la media de los
hslossesque sean al menos tan grandes como la estimación del VaR (esto ya está hecho por ti). - Usa las funciones apropiadas para estimar la media y la desviación estándar de
hslossesy asígnalas amuysigma, respectivamente. - Usa
qnorm()con los valores calculados de la media y la desviación estándar para calcular el cuantil al 99 % de una distribución normal. - Usa
ESnorm()con los valores calculados de la media y la desviación estándar para calcular el ES al 99 % de una distribución normal.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Estimate the 99th sample percentile of the distribution of hslosses
# Estimate the 99% ES
mean(hslosses[hslosses >= quantile(hslosses, 0.99)])
# Estimate the mean and standard deviation of hslosses
# Compute the 99% quantile of a normal distribution
# Compute the 99% ES of a normal distribution