Monte Carlo VaR

Zarówno wartości zwrotów, jak i ścieżki Monte Carlo można wykorzystać do analizy szerokiego zakresu zagadnień – od modeli wyceny opcji i hedgingu po optymalizację portfela i strategie handlowe.

Zagreguj dane o zwrotach w każdej iteracji, a następnie użyj otrzymanych wartości do wyznaczenia parametrycznego VaR(99).

Parametry mu, vol, T i S0 są dostępne z poprzedniego ćwiczenia.

To ćwiczenie jest częścią kursu

Wprowadzenie do zarządzania ryzykiem portfela w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Użyj metody .append(), aby w każdej iteracji dołączyć rand_rets do listy sim_returns.
Oblicz parametryczny VaR(99), stosując funkcję np.percentile() na sim_returns.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Aggregate the returns
sim_returns = []

# Loop through 100 simulations
for i in range(100):

    # Generate the Random Walk
    rand_rets = np.random.normal(mu, vol, T)
    
    # Save the results
    sim_returns.____

# Calculate the VaR(99)
var_99 = ____
print("Parametric VaR(99): ", round(100*var_99, 2),"%")

Edytuj i uruchom kod