Hitung VaR parametrik
Dalam latihan ini, Anda akan berlatih mengestimasi VaR harian dinamis 5% dengan pendekatan parametrik.
Ingat ada tiga langkah untuk melakukan estimasi VaR ke depan. Langkah 1 adalah menggunakan model GARCH untuk membuat prakiraan varians. Langkah 2 adalah memperoleh mean dan volatilitas GARCH yang bersifat forward-looking. Dan Langkah 3 adalah menghitung kuantil sesuai tingkat keyakinan yang diberikan. Pendekatan parametrik mengestimasi kuantil dari asumsi sebaran yang ditetapkan.
Sebuah model GARCH telah dipasangkan menggunakan data imbal hasil Bitcoin historis hingga 1/1/2019, kemudian model tersebut menghasilkan prakiraan mean dan varians yang disimpan masing-masing dalam mean_forecast dan variance_forecast. Model GARCH mengasumsikan sebaran t-Student, dan \(\nu\) (derajat kebebasan) disimpan dalam nu.
Latihan ini adalah bagian dari kursus
Model GARCH di Python
Petunjuk latihan
- Hitung kuantil 0,05 dari sebaran t-Student yang diasumsikan.
- Hitung VaR menggunakan
mean_forecast,variance_forecastdari model GARCH dan kuantil dari langkah sebelumnya.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Obtain the parametric quantile
q_parametric = basic_gm.____.____(____, nu)
print('5% parametric quantile: ', q_parametric)
# Calculate the VaR
VaR_parametric = ____.values + np.sqrt(____).values * ____
# Save VaR in a DataFrame
VaR_parametric = pd.DataFrame(VaR_parametric, columns = ['5%'], index = variance_forecast.index)
# Plot the VaR
plt.plot(VaR_parametric, color = 'red', label = '5% Parametric VaR')
plt.scatter(variance_forecast.index,bitcoin_data.Return['2019-1-1':], color = 'orange', label = 'Bitcoin Daily Returns' )
plt.legend(loc = 'upper right')
plt.show()