VaR paramétrique
La Value at Risk peut aussi être calculée de façon paramétrique grâce à une méthode appelée VaR variance-covariance. Cette méthode vous permet de simuler un éventail de possibilités à partir des propriétés historiques de la distribution des rendements plutôt que des valeurs de rendement observées. Vous pouvez calculer la VaR(90) paramétrique en utilisant :
# Importer norm depuis scipy.stats
from scipy.stats import norm
# Calculer la VaR paramétrique
norm.ppf(confidence_level=0.10, mu, vol)
où mu et vol sont respectivement la moyenne et la volatilité.
Les données de rendements (en décimales) sont disponibles dans la variable StockReturns.
Cette activité fait partie du cours
Introduction à la gestion du risque de portefeuille en Python
Instructions de l’exercice
- Importez
normdepuisscipy.stats. - Calculez la moyenne et la volatilité de
StockReturnset attribuez-les respectivement àmuetvol. - Définissez le
confidence_levelpour la VaR(95). - Calculez la VaR(95) à l'aide de la fonction
norm.ppf(), en passant le niveau de confiance comme premier paramètre, puis mu et vol comme deuxième et troisième paramètres.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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))