Mise à l'échelle des estimations du risque
Le VaR(95) calculé dans les exercices précédents correspond simplement à la valeur à risque pour une seule journée. Pour estimer le VaR sur un horizon plus long, mettez cette valeur à l'échelle par la racine carrée du temps, comme on le fait pour la volatilité :
$$ \text{VaR(95)}_{\text{t jours}} = \text{VaR(95)}_{\text{1 jour}} * \sqrt{t} $$
StockReturns_perc et var_95 de l'exercice précédent sont disponibles dans votre espace de travail. Servez-vous de ces données pour estimer le VaR du FNB pétrolier USO pour 1 à 100 jours à partir d'aujourd'hui. Nous avons aussi défini une fonction plot_var_scale() qui trace le VaR pour 1 à 100 jours à partir d'aujourd'hui.
Cette activité fait partie du cours
Introduction à la gestion du risque de portefeuille en Python
Instructions de l’exercice
- Parcourez de 0 à 100 (sans inclure 100) à l'aide de la fonction
range(). - À chaque itération, attribuez à la deuxième colonne de
forecasted_valuesla valeur du VaR prévu, en multipliantvar_95par la racine carrée dei + 1avec la fonctionnp.sqrt().
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Aggregate forecasted VaR
forecasted_values = np.empty([100, 2])
# Loop through each forecast period
for i in ____:
# Save the time horizon i
forecasted_values[i, 0] = i
# Save the forecasted VaR 95
forecasted_values[i, 1] = ____
# Plot the results
plot_var_scale()