Symulacja Monte Carlo
Możesz użyć symulacji Monte Carlo portfela aktywów banku inwestycyjnego z lat 2005–2010, aby wyznaczyć 95% VaR.
Średnie straty na aktywach znajdują się w tablicy Numpy mu. Wydajna macierz kowariancji to e_cov (zwróć uwagę, że tutaj używamy dziennej, a nie annualizowanej wariancji, jak w poprzednich ćwiczeniach). Użyjesz ich do tworzenia ścieżek próbkowania strat na aktywach w ciągu jednego dnia, aby zasymulować dzienną stratę portfela.
Wykorzystanie macierzy kowariancji e_cov pozwala na skorelowanie ścieżek aktywów, co jest realistycznym założeniem.
Liczba kroków symulacji total_steps wynosi 1440, tak jak w filmie. Liczba przebiegów N wynosi 10000.
Dla każdego przebiegu obliczysz skumulowane losses, a następnie zastosujesz funkcję np.quantile(), aby wyznaczyć 95% VaR.
Wagi portfela weights oraz rozkład norm z biblioteki scipy.stats są dostępne.
To ćwiczenie jest częścią kursu
Ilościowe zarządzanie ryzykiem w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Initialize daily cumulative loss for the 4 assets, across N runs
daily_loss = np.zeros((____ , N))