실증적 VaR 계산하기
이 연습 문제에서는 실증적 접근법으로 일일 5% 동적 VaR을 추정해 보겠습니다.
모수적 VaR과 실증적 VaR의 차이는 분위수를 추정하는 방식에 있습니다. 모수적 접근은 가정한 분포에서 분위수를 추정하고, 실증적 접근은 표준화 잔차의 관측 분포에서 분위수를 추정합니다.
이전 연습 문제와 동일한 GARCH 모델을 사용합니다. 평균과 분산 예측치는 각각 mean_forecast와 variance_forecast에 저장되어 있습니다. 실증적 표준화 잔차는 계산되어 std_resid에 저장되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 GARCH 모델
연습 안내
- GARCH 표준화 잔차
std_resid에서 0.05 분위수를 계산하세요. - 이전 단계의 분위수와 GARCH 모델의
mean_forecast,variance_forecast를 사용해 VaR을 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Obtain the empirical quantile
q_empirical = ____.____(____)
print('5% empirical quantile: ', q_empirical)
# Calculate the VaR
VaR_empirical = ____.values + np.sqrt(____).values * ____
# Save VaR in a DataFrame
VaR_empirical = pd.DataFrame(VaR_empirical, columns = ['5%'], index = variance_forecast.index)
# Plot the VaRs
plt.plot(VaR_empirical, color = 'brown', label = '5% Empirical VaR')
plt.plot(VaR_parametric, color = 'red', label = '5% Parametric VaR')
plt.scatter(variance_forecast.index,bitcoin_data.Return['2019-1-1':], color = 'orange', label = 'Bitcoin Daily Returns' )
plt.legend(loc = 'upper right')
plt.show()