Hitung VaR empiris

Dalam latihan ini, Anda akan berlatih mengestimasi VaR harian dinamis 5% dengan pendekatan empiris.

Perbedaan antara VaR parametrik dan VaR empiris terletak pada cara mengestimasi kuantil. Pendekatan parametrik mengestimasi kuantil dari suatu asumsi distribusi, sedangkan pendekatan empiris mengestimasi kuantil dari distribusi teramati atas residual terstandardisasi.

Anda akan menggunakan model GARCH yang sama seperti pada latihan sebelumnya. Prakiraan mean dan varians disimpan masing-masing di mean_forecast dan variance_forecast. Residual terstandardisasi empiris juga telah dihitung dan disimpan di std_resid.

Latihan ini adalah bagian dari kursus

Model GARCH di Python

Lihat Kursus

Petunjuk latihan

Hitung kuantil 0,05 dari residual terstandardisasi GARCH std_resid.
Hitung VaR menggunakan mean_forecast, variance_forecast dari model GARCH dan kuantil dari langkah sebelumnya.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Obtain the empirical quantile
q_empirical = ____.____(____)
print('5% empirical quantile: ', q_empirical)

# Calculate the VaR
VaR_empirical = ____.values + np.sqrt(____).values * ____
# Save VaR in a DataFrame
VaR_empirical = pd.DataFrame(VaR_empirical, columns = ['5%'], index = variance_forecast.index)

# Plot the VaRs
plt.plot(VaR_empirical, color = 'brown', label = '5% Empirical 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()

Edit dan Jalankan Kode