Mulai sekarangMulai gratis

Simulasi historis kerugian untuk portofolio opsi

Misalkan seorang investor menanamkan satu unit kekayaan pada satu opsi call Eropa atas indeks S&P 500. Fungsi lossop() menghitung kerugian atau keuntungan yang dialami investor dalam horizon waktu satu hari akibat perubahan pada log harga saham atau perubahan pada log volatilitas. Seperti sebelumnya, fungsi ini ditulis khusus untuk portofolio tertentu pada latihan ini:

lossop(xseries, S, sigma)

Argumen pertama berisi log-return yang berkaitan dengan faktor risiko harga saham dan volatilitas, baik dalam bentuk deret maupun c(stock_risk, volatility_risk), S adalah harga saham saat ini, dan sigma adalah volatilitas saat ini.

Perubahan suku bunga sepanjang horizon waktu akan diabaikan karena dianggap kurang penting.

Dalam latihan ini, Anda akan membentuk kerugian hasil simulasi historis untuk portofolio opsi dan menelaah karakteristiknya sebelum mengestimasi VaR dan ES pada latihan berikutnya. Suku bunga, harga strike, dan jatuh tempo telah ditetapkan masing-masing r = 0.01, K = 100, dan T = 1. Objek returns juga sudah tersedia di workspace Anda.

Latihan ini merupakan bagian dari kursus

Manajemen Risiko Kuantitatif dengan R

Lihat Kursus

Instruksi latihan

  • Gunakan lossop() untuk menghitung kerugian akibat log-return -0.1 untuk kedua faktor risiko, dengan asumsi harga saham saat ini 80 dan volatilitas 0.2.
  • Gunakan lossop() untuk menghitung kerugian akibat log-return -0.1 untuk saham dan 0.1 untuk volatilitas, dengan asumsi harga saham saat ini 100 dan volatilitas 0.2.
  • Buat objek hslosses dengan menerapkan lossop() pada returns, dengan asumsi S = 100 dan sigma = 0.2, lalu plot hslosses.
  • Bentuk Q-Q plot dari hslosses terhadap sebaran normal.
  • Plot acf sampel dari hslosses dan nilai absolut yang bersesuaian.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Calculate the first loss
lossop(c(___,___), S = ___, sigma = ___)

# Calculate the second loss


# Create and plot hslosses



# Form a Q-Q plot of hslosses against normal


# Plot the sample acf of raw data and absolute values in hslosses

Edit dan Jalankan Kode