히스토리컬 Value at Risk
드로다운은 시간이 지남에 따라 누적되는 손실을 측정하지만, 하루 단위의 단순한 변동은 어떻게 볼 수 있을까요?
Value at Risk(VaR)은 하루 동안 발생할 수 있는 부정적 가격 변동의 위험을 추정하는 방법입니다. VaR은 임의의 확률(신뢰수준)에 대해 측정할 수 있지만, 가장 흔히 인용되는 값은 VaR(95)와 VaR(99)입니다. 히스토리컬 VaR은 VaR을 계산하는 가장 간단한 방법이지만, 미래를 잘 반영하지 않을 수도 있는 과거 수익률 데이터에 의존합니다. 예를 들어 히스토리컬 VaR(95)은 포트폴리오나 자산이 과거 사례 중 최악의 5% 구간에서 기록한 최소 손실을 의미합니다.
아래에서 USO 원유 ETF의 히스토리컬 VaR(95)를 계산해 보겠습니다. 수익률 데이터(퍼센트 단위)는 StockReturns_perc 변수에 제공되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 시작하는 포트폴리오 리스크 관리
연습 안내
- USO 수익률(
StockReturns_perc) 중 최악의 5% 손실인 VaR(95)을 계산해var_95에 할당하세요. StockReturns_perc를 정렬해sorted_rets에 할당하세요.- 정렬된 수익률(
sorted_rets)의 히스토그램을 그리세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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()