Stima di VaR ed ES

Ora sei prontə a stimare VaR ed ES per l’investitore in azioni internazionali usando le perdite e i guadagni simulati storicamente in hslosses.

Lo farai con due metodi. Per prima cosa, applicherai un semplice metodo non parametrico usando un quantile campionario per stimare il VaR e la media dei valori che superano quel quantile per stimare l’ES.

Poi, confronterai queste stime con i valori ottenuti assumendo che hslosses seguano una distribuzione normale. Ovviamente è un’ipotesi molto debole e dovresti confrontare i due insiemi di stime per vedere quali sono più conservative.

Questo esercizio fa parte del corso

Gestione del rischio quantitativa in R

Visualizza corso

Istruzioni dell'esercizio

Usa quantile() per stimare il 99º percentile campionario della distribuzione di hslosses.
Stima l’ES al 99% calcolando la media degli hslosses che sono almeno grandi quanto la stima del VaR (questo passaggio è già stato fatto per te).
Usa le funzioni appropriate per stimare media e deviazione standard di hslosses e assegna i valori rispettivamente a mu e sigma.
Usa qnorm() con i valori di media e deviazione standard calcolati per ottenere il quantile al 99% di una distribuzione normale.
Usa ESnorm() con i valori di media e deviazione standard calcolati per ottenere l’ES al 99% di una distribuzione normale.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# Estimate the 99th sample percentile of the distribution of hslosses


# Estimate the 99% ES
mean(hslosses[hslosses >= quantile(hslosses, 0.99)])

# Estimate the mean and standard deviation of hslosses



# Compute the 99% quantile of a normal distribution


# Compute the 99% ES of a normal distribution

Modifica ed esegui il codice