Zacznij terazZacznij za darmo

Symulacja historyczna

Symulacja historyczna VaR zakłada, że rozkład historycznych strat jest taki sam jak rozkład przyszłych strat. Sprawdzimy, czy to założenie jest prawdziwe dla naszego portfela banku inwestycyjnego, porównując 95% VaR z lat 2005–2006 z 95% VaR z lat 2007–2009.

Lista asset_returns została już przygotowana – zawiera stopy zwrotu z aktywów dla każdego z dwóch okresów. Użyjesz jej, aby obliczyć portfolio_returns na podstawie dostępnych weights, a następnie wyznaczyć losses portfela.

Następnie skorzystasz z funkcji np.quantile(), aby znaleźć 95% VaR dla każdego okresu. Jeśli rozkłady strat są takie same, oszacowania 95% VaR powinny być zbliżone dla obu okresów. W przeciwnym razie rozkład mógł ulec zmianie wraz z nadejściem globalnego kryzysu finansowego.

To ćwiczenie jest częścią kursu

Ilościowe zarządzanie ryzykiem w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Utwórz tablicę Numpy portfolio_returns dla obu okresów, korzystając z listy asset_returns i wag portfela weights.
  • Wyznacz tablicę losses na podstawie portfolio_returns.
  • Oblicz symulację historyczną 95% VaR dla obu okresów, używając funkcji np.quantile().
  • Wyświetl listę oszacowań 95% VaR.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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])
Edytuj i uruchom kod