Historische Value at Risk

Drawdown meet aanhoudende verliezen over tijd, maar hoe zit het met eenvoudige eendaagse bewegingen?

Value at Risk (VaR) is een manier om het risico op een negatieve prijsbeweging op één dag te schatten. VaR kan worden gemeten voor elke gewenste waarschijnlijkheid of betrouwbaarheidsniveau, maar de meest gebruikte zijn VaR(95) en VaR(99). Historische VaR is de eenvoudigste methode om VaR te berekenen, maar is afhankelijk van historische rendementsdata, wat mogelijk geen goede aanname is voor de toekomst. Historische VaR(95) geeft bijvoorbeeld het minimale verlies weer dat je portefeuille of asset heeft geleden in de slechtste 5% van de gevallen.

Hieronder bereken je de historische VaR(95) van de USO oil ETF. Rendementsdata (in procenten) is beschikbaar in de variabele StockReturns_perc.

Deze oefening maakt deel uit van de cursus

Introductie tot portefeuillerisicobeheer in Python

Cursus bekijken

Oefeninstructies

Bereken VaR(95), de slechtste 5% van de USO-rendementen (StockReturns_perc), en wijs dit toe aan var_95.
Sorteer StockReturns_perc en wijs dit toe aan sorted_rets.
Plot het histogram van de gesorteerde rendementen (sorted_rets).

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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()

Code bewerken en uitvoeren