VaR paramétrique
La Value at Risk peut aussi être calculée paramétriquement grâce à une méthode appelée VaR variance/covariance. Cette approche vous permet de simuler une plage de scénarios à partir des propriétés de la distribution historique des rendements plutôt que des valeurs de rendement observées. Vous pouvez calculer la VaR(90) paramétrique en utilisant :
# Import norm from scipy.stats
from scipy.stats import norm
# Calculate Parametric VaR
norm.ppf(confidence_level=0.10, mu, vol)
où mu et vol représentent respectivement la moyenne et la volatilité.
Les données de rendements (en décimales) sont disponibles dans la variable StockReturns.
Cet exercice fait partie du cours
Introduction à la gestion du risque de portefeuille en Python
Instructions
- Importez
normdepuisscipy.stats. - Calculez la moyenne et la volatilité de
StockReturnset affectez-les respectivement àmuetvol. - Définissez le
confidence_levelpour la VaR(95). - Calculez la VaR(95) avec la fonction
norm.ppf(), en passant le niveau de confiance comme premier paramètre, puismuetvolcomme deuxième et troisième paramètres.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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))