पैरामीट्रिक VaR
Value at Risk को पैरामीट्रिक तरीके से भी निकाला जा सकता है, जिसे variance/co-variance VaR मेथड कहते हैं. इस तरीके में आप वास्तविक रिटर्न वैल्यूज़ के बजाय ऐतिहासिक रिटर्न डिस्ट्रीब्यूशन की विशेषताओं के आधार पर संभावनाओं की एक रेंज को सिमुलेट कर सकते हैं. आप Parametric VaR(90) इस तरह से कैलकुलेट कर सकते हैं:
# Import norm from scipy.stats
from scipy.stats import norm
# Calculate Parametric VaR
norm.ppf(confidence_level=0.10, mu, vol)
जहाँ mu और vol क्रमशः mean और volatility हैं.
रिटर्न का डेटा (डेसिमल में) वैरिएबल StockReturns में उपलब्ध है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में पोर्टफोलियो जोखिम प्रबंधन का परिचय
अभ्यास निर्देश
scipy.statsसेnormइम्पोर्ट करें.StockReturnsका mean और volatility निकालकर क्रमशःmuऔरvolमें असाइन करें.- VaR(95) के लिए
confidence_levelसेट करें. norm.ppf()फंक्शन का उपयोग करके VaR(95) कैलकुलेट करें, जिसमें पहला पैरामीटर confidence level हो, और दूसरा व तीसरा पैरामीटर क्रमशः mu और vol हों.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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))