Simulazione storica
La simulazione storica del VaR assume che la distribuzione delle perdite storiche sia uguale alla distribuzione delle perdite future. Verificheremo se questo vale per il nostro portafoglio di investment banking confrontando il VaR al 95% del 2005–2006 con il VaR al 95% del 2007–2009.
È già stata creata per te la lista asset_returns, che contiene i rendimenti degli asset per ciascuno dei due periodi. Userai questa lista per creare portfolio_returns con i weights disponibili e da questi ricaverai le losses del portafoglio.
Poi userai la funzione np.quantile() per trovare il VaR al 95% per ciascun periodo. Se le distribuzioni delle perdite sono le stesse, allora la stima del VaR al 95% dovrebbe essere circa uguale in entrambi i periodi. Altrimenti, la distribuzione potrebbe essere cambiata con l’avvio della crisi finanziaria globale.
Questo esercizio fa parte del corso
Gestione quantitativa del rischio in Python
Istruzioni dell'esercizio
- Crea un array Numpy di
portfolio_returnsper i due periodi, a partire dalla listaasset_returnse daiweightsdel portafoglio. - Genera l’array di
lossesdaportfolio_returns. - Calcola la simulazione storica del VaR al 95% per entrambi i periodi usando
np.quantile(). - Mostra la lista delle stime di VaR al 95%.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Create portfolio returns for the two sub-periods using the list of asset returns
portfolio_returns = np.array([ x.____(weights) for x in asset_returns])
# Derive portfolio losses from portfolio returns
losses = - ____
# Find the historical simulated VaR estimates
VaR_95 = [____(x, 0.95) for x in ____]
# Display the VaR estimates
print("VaR_95, 2005-2006: ", VaR_95[0], '; VaR_95, 2007-2009: ', VaR_95[1])