Historische simulatie
Bij historische simulatie van VaR ga je ervan uit dat de verdeling van historische verliezen hetzelfde is als de verdeling van toekomstige verliezen. We testen of dat klopt voor onze investmentbankportefeuille door de 95%-VaR van 2005–2006 te vergelijken met de 95%-VaR van 2007–2009.
De lijst asset_returns is voor je gemaakt en bevat de rendementen van de activa voor elk van de twee perioden. Je gebruikt deze lijst om met de beschikbare weights portfolio_returns te maken en daaruit de losses van de portefeuille af te leiden.
Daarna gebruik je de functie np.quantile() om de 95%-VaR voor elke periode te vinden. Als de verliesverdelingen gelijk zijn, zou de 95%-VaR-schatting ongeveer hetzelfde moeten zijn voor beide perioden. Zo niet, dan kan de verdeling veranderd zijn toen de mondiale financiële crisis toesloeg.
Deze oefening maakt deel uit van de cursus
Kwantitatief risicobeheer in Python
Oefeninstructies
- Maak een Numpy-array van
portfolio_returnsvoor de twee perioden, uit de lijstasset_returnsen de portefeuille-weights. - Genereer de array
lossesop basis vanportfolio_returns. - Bereken de historische simulatie van de 95%-VaR voor beide perioden met
np.quantile(). - Toon de lijst met 95%-VaR-schattingen.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Create portfolio returns for the two sub-periods using the list of asset returns
portfolio_returns = np.array([ x.____(weights) for x in asset_returns])
# Derive portfolio losses from portfolio returns
losses = - ____
# Find the historical simulated VaR estimates
VaR_95 = [____(x, 0.95) for x in ____]
# Display the VaR estimates
print("VaR_95, 2005-2006: ", VaR_95[0], '; VaR_95, 2007-2009: ', VaR_95[1])