Mengestimasi VaR dan ES untuk portofolio opsi

Sekarang Anda siap mengestimasi VaR dan ES bagi investor pada opsi call Eropa menggunakan rugi laba hasil simulasi historis di hslosses.

Sekali lagi, Anda akan melakukannya dengan dua metode. Pertama, terapkan metode nonparametrik menggunakan kuantil sampel untuk mengestimasi VaR dan hitung rata-rata nilai yang melampaui kuantil yang sama untuk mengestimasi ES.

Lalu, bandingkan estimasi tersebut dengan nilai yang diperoleh saat Anda mengasumsikan bahwa hslosses berdistribusi normal. Seperti pada latihan sebelumnya, ini adalah asumsi yang kurang tepat, dan Anda perlu membandingkan kedua set estimasi untuk melihat mana yang lebih konservatif.

Latihan ini merupakan bagian dari kursus

Manajemen Risiko Kuantitatif dengan R

Lihat Kursus

Instruksi latihan

Estimasikan persentil sampel 99,5% dari distribusi hslosses menggunakan quantile().
Estimasikan ES 99,5% dengan menghitung mean dari hslosses yang setidaknya sebesar estimasi VaR (bagian ini sudah disiapkan untuk Anda).
Gunakan fungsi yang sesuai untuk mengestimasi mean dan simpangan baku hslosses, lalu tetapkan masing-masing ke mu dan sigma.
Gunakan qnorm() dengan mean dan simpangan baku yang dihitung untuk menghitung kuantil 99,5% dari distribusi normal.
Gunakan ESnorm() dengan mean dan simpangan baku yang dihitung untuk menghitung ES 99,5% dari distribusi normal.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# Estimate the 99.5% percentile of the distribution


# Estimate the 99.5% ES
mean(hslosses[hslosses >= quantile(hslosses, 0.995)])

# Estimate the mean and standard deviation of hslosses



# Compute the 99.5% quantile of a normal distribution


# Compute the 99.5% ES of a normal distribution

Edit dan Jalankan Kode