1. Apprendre
    2. /
  2. Cours
    3. /
  3. Gestion quantitative des risques en Python
Connected

Exercice

Simulation de Monte-Carlo

Vous pouvez utiliser une simulation de Monte-Carlo des actifs du portefeuille des banques d'investissement de 2005 à 2010 pour trouver la VaR à 95 %.

La moyenne des pertes des actifs se trouve dans le tableau Numpy mu. La matrice de covariance efficiente est e_cov (notez qu'ici nous utilisons la variance quotidienne, et non annualisée comme dans les exercices précédents). Vous les utiliserez pour créer des trajectoires d'échantillonnage des pertes d'actifs sur une journée, afin de simuler la perte quotidienne du portefeuille.

L'utilisation de la matrice de covariance e_cov permet aux trajectoires d'actifs d'être corrélées, ce qui est une hypothèse réaliste.

Le nombre d'étapes de la simulation total_steps est fixé à 1440, comme dans la vidéo. Le nombre d'exécutions N est fixé à 10000.

Pour chaque exécution, vous calculerez la losses cumulée, puis appliquerez la fonction np.quantile() pour trouver la VaR à 95 %.

Les weights du portefeuille et la loi Normale norm de scipy.stats sont disponibles.

Instructions 1/4

undefined XP
    1
    2
    3
    4
  • Initialisez la matrice daily_loss cumulée sur une journée — elle servira ensuite à additionner les pertes simulées, minute par minute, pour les 4 actifs.