Szacowanie VaR i ES
Teraz możesz przystąpić do szacowania VaR i ES dla inwestora na międzynarodowym rynku akcji – na podstawie historycznie symulowanych strat i zysków zapisanych w hslosses.
Zastosujesz dwie metody. Pierwsza to prosta metoda nieparametryczna, w której kwantyl próbkowy służy do estymacji VaR, a średnia wartości przekraczających ten kwantyl – do estymacji ES.
Następnie porównasz te wyniki z wartościami uzyskanymi przy założeniu, że hslosses ma rozkład normalny. To założenie jest oczywiście bardzo dużym uproszczeniem – porównaj obie grupy estymatorów i sprawdź, które są bardziej konserwatywne.
To ćwiczenie jest częścią kursu
Ilościowe zarządzanie ryzykiem w R
Instrukcje do ćwiczenia
- Użyj
quantile(), aby oszacować 99. percentyl próbkowy rozkładuhslosses. - Oszacuj 99-procentowy ES, obliczając średnią wartości
hslosses, które są co najmniej równe estymatorowi VaR (ten krok jest już wykonany za ciebie). - Użyj odpowiednich funkcji, aby oszacować średnią i odchylenie standardowe
hslosses, i przypisz je odpowiednio domuisigma. - Użyj
qnorm()z obliczonymi wartościami średniej i odchylenia standardowego, aby wyznaczyć 99-procentowy kwantyl rozkładu normalnego. - Użyj
ESnorm()z obliczonymi wartościami średniej i odchylenia standardowego, aby wyznaczyć 99-procentowy ES rozkładu normalnego.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Estimate the 99th sample percentile of the distribution of hslosses
# Estimate the 99% ES
mean(hslosses[hslosses >= quantile(hslosses, 0.99)])
# Estimate the mean and standard deviation of hslosses
# Compute the 99% quantile of a normal distribution
# Compute the 99% ES of a normal distribution