시작하기무료로 시작하기

예측 변동성과 VaR의 동행성

Value-at-Risk 그래프는 하방 위험이 시간에 따라 크게 달라짐을 보여줍니다. 이러한 시간 변동은 주로 수익률 변동성의 시간 변동에서 비롯됩니다. 이 연습에서는 일별 Microsoft 수익률에 대해, 하나의 그림에 5% Value-at-Risk와 추정 변동성을 함께 표시하여 이를 확인해 보겠습니다. 구간 이동 GARCH 추정 결과를 담은 객체 garchroll은 콘솔에 이미 준비되어 있습니다.

이 연습은 강의의 일부입니다

R에서의 GARCH 모델

강의 보기

연습 안내

  • garchroll에서 평균과 변동성 예측이 담긴 데이터 프레임을 얻으세요.
  • 적절한 메서드를 사용해 garchroll에서 5% VaR을 추출하세요.
  • garchpreds에서 변동성을 추출하세요.
  • 시계열 플롯으로 동행성을 분석하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Extract the dataframe with predictions from the rolling GARCH estimation
garchpreds <- ___(garchroll)

# Extract the 5% VaR 
garchVaR <- ___(garchroll, ___ = ___)

# Extract the volatility from garchpreds
garchvol <- xts(garchpreds$___, order.by = time(garchVaR))

# Analyze the comovement in a time series plot
garchplot <- plot(garchvol, ylim = c(-0.1, 0.1))
garchplot <- addSeries(garchVaR, on = 1, col = "blue")
plot(garchplot, main = "Daily vol and 5% VaR")
코드 편집 및 실행