Actions et volatilité implicite comme facteurs de risque

Pour analyser le risque d'un portefeuille composé d'une option, il faut tenir compte des variations des trois facteurs de risque : le prix de l'action, la volatilité et les taux d'intérêt. Ici, vous vous concentrerez sur les deux premiers et supposerez que les taux d'intérêt varient peu sur de courts intervalles. Les valeurs quotidiennes des facteurs de risque pour la période 1990–2010 se trouvent dans riskfactors et les rendements logarithmiques correspondants dans returns; ces deux jeux de données multivariés sont chargés dans votre espace de travail.

La volatilité est un facteur de risque nouveau qui n'a pas encore été abordé dans ce cours. Elle est représentée par l'indice VIX, construit à partir des volatilités implicites d'un large éventail d'options sur l'indice S&P 500 :

> names(returns)
[1] "X.GSPC" "X.VIX"

Dans cet exercice, vous pourrez vérifier si les rendements logarithmiques de la volatilité se comportent comme d'autres séries de rendements que vous avez vues, et observer comment ils varient avec les rendements logarithmiques de l'indice S&P 500.

Cette activité fait partie du cours

Gestion des risques quantitatifs en R

Voir le cours

Instructions de l’exercice

Utilisez la fonction appropriée pour tracer les données de riskfactors et de returns.
Utilisez plot() puis as.matrix() successivement pour créer un nuage de points de returns.
Utilisez apply() pour effectuer le test de Jarque-Bera sur returns, puis qqnorm() et des crochets pour l'indexation afin de produire un Q-Q plot par rapport à la normale pour les rendements logarithmiques de la série de returns contenant les données de volatilité.
Créez le graphique acf d'échantillon des données de returns, puis celui des rendements absolus de ces données.
Utilisez cor() pour calculer la corrélation entre les rendements logarithmiques des deux facteurs de risque dans returns.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Plot the risk factors and the log-returns



# Make a scatterplot of the two return series


# Apply the Jarque-Bera test to the returns and make a Q-Q plot of the volatility log-returns



# Create the sample acf of the returns and absolute returns



# Calculate the correlation between the log-returns

Modifier et exécuter le code