Value at Risk historique
Le drawdown mesure les pertes prolongées dans le temps, mais qu’en est-il des mouvements simples sur une seule journée ?
La Value at Risk (VaR) permet d’estimer le risque d’une baisse de prix sur une journée. La VaR peut être mesurée pour n’importe quelle probabilité, ou niveau de confiance, mais les plus courantes sont VaR(95) et VaR(99). La VaR historique est la méthode la plus simple pour la calculer, mais elle repose sur des données de rendements passés, ce qui n’est pas forcément une bonne hypothèse pour l’avenir. Par exemple, la VaR(95) historique représente la perte minimale subie par votre portefeuille ou actif dans les 5 % des pires cas.
Ci-dessous, vous allez calculer la VaR(95) historique de l’ETF pétrolier USO. Les rendements (en pourcentage) sont disponibles dans la variable StockReturns_perc.
Cet exercice fait partie du cours
Introduction à la gestion du risque de portefeuille en Python
Instructions
- Calculez VaR(95), soit les 5 % des pires rendements de USO (
StockReturns_perc), et affectez-la àvar_95. - Triez
StockReturns_percet affectez le résultat àsorted_rets. - Tracez l’histogramme des rendements triés (
sorted_rets).
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Calculate historical VaR(95)
var_95 = ____(StockReturns_perc, ____)
print(var_95)
# Sort the returns for plotting
sorted_rets = ____
# Plot the probability of each sorted return quantile
____(sorted_rets, density=True, stacked=True)
# Denote the VaR 95 quantile
plt.axvline(x=var_95, color='r', linestyle='-', label="VaR 95: {0:.2f}%".format(var_95))
plt.show()