Parametryczny VaR

Value at Risk można również obliczyć parametrycznie, korzystając z metody wariancji/kowariancji (VaR). Ta metoda pozwala symulować różne scenariusze na podstawie właściwości historycznego rozkładu stóp zwrotu – bez użycia rzeczywistych wartości zwrotów. Parametryczny VaR(90) oblicza się następująco:

# Import norm from scipy.stats
from scipy.stats import norm

# Calculate Parametric VaR
norm.ppf(confidence_level=0.10, mu, vol)

gdzie mu i vol to odpowiednio średnia i zmienność.

Dane o stopach zwrotu (wyrażone w postaci dziesiętnej) są dostępne w zmiennej StockReturns.

To ćwiczenie jest częścią kursu

Wprowadzenie do zarządzania ryzykiem portfela w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportuj norm z scipy.stats.
Oblicz średnią i zmienność StockReturns i przypisz je odpowiednio do mu i vol.
Ustaw confidence_level dla VaR(95).
Oblicz VaR(95) za pomocą funkcji norm.ppf(), przekazując poziom ufności jako pierwszy parametr, a mu i vol jako drugi i trzeci parametr.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Import norm from scipy.stats
____

# Estimate the average daily return
mu = ____(StockReturns)

# Estimate the daily volatility
vol = ____(StockReturns)

# Set the VaR confidence level
confidence_level = ____

# Calculate Parametric VaR
var_95 = ____
print('Mean: ', str(mu), '\nVolatility: ', str(vol), '\nVaR(95): ', str(var_95))

Edytuj i uruchom kod