Mise à l’échelle des estimations de risque
La valeur VaR(95) calculée dans les exercices précédents correspond uniquement au risque sur une journée. Pour estimer la VaR sur un horizon plus long, mettez la valeur à l’échelle par la racine carrée du temps, comme 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. Utilisez ces données pour estimer la VaR de l’ETF pétrole USO pour 1 à 100 jours à partir d’aujourd’hui. Nous avons également défini une fonction plot_var_scale() qui trace la VaR pour 1 à 100 jours à partir d’aujourd’hui.
Cet exercice fait partie du cours
Introduction à la gestion du risque de portefeuille en Python
Instructions
- Itérez de 0 à 100 (100 exclu) avec la fonction
range(). - À chaque itération, définissez la deuxième colonne de
forecasted_valuesà l’indice courant égale à la VaR prévisionnelle, en multipliantvar_95par la racine carrée dei + 1avec la fonctionnp.sqrt().
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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()