ヒストリカル・バリュー・アット・リスク
ドローダウンは時間を通じた持続的な損失を測る指標ですが、1 日の単純な値動きはどう測ればよいでしょうか。
Value at Risk（VaR、バリュー・アット・リスク）は、1 日の価格下落リスクを見積もる方法です。VaR は任意の確率（信頼水準）で測定できますが、一般的には VaR(95) や VaR(99) がよく使われます。ヒストリカル VaR は最も簡単な計算方法ですが、将来を必ずしも反映しない可能性がある過去のリターンデータに依存します。たとえばヒストリカル VaR(95) は、最悪の 5% のケースでポートフォリオや資産が被った最小損失を表します。
以下では、USO 原油 ETF のヒストリカル VaR(95) を計算します。リターンデータ（パーセント）は StockReturns_perc という変数に用意されています。
この演習はコースの一部です
Pythonで学ぶポートフォリオ・リスク管理入門
演習の手順
- USO のリターン（
StockReturns_perc）のうち最悪の 5% にあたる VaR(95) を計算し、var_95に代入します。 StockReturns_percをソートして、sorted_retsに代入します。- ソートしたリターン（
sorted_rets）のヒストグラムを描画します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Calculate historical VaR(95)
var_95 = ____(StockReturns_perc, ____)
print(var_95)
# Sort the returns for plotting
sorted_rets = ____
# Plot the probability of each sorted return quantile
____(sorted_rets, density=True, stacked=True)
# Denote the VaR 95 quantile
plt.axvline(x=var_95, color='r', linestyle='-', label="VaR 95: {0:.2f}%".format(var_95))
plt.show()