ComeçarComece de graça

Simulação histórica

A simulação histórica de VaR assume que a distribuição das perdas históricas é a mesma distribuição das perdas futuras. Vamos testar se isso é verdade para a nossa carteira de banco de investimento comparando o VaR de 95% de 2005–2006 com o VaR de 95% de 2007–2009.

A lista asset_returns já foi criada para você e contém os retornos dos ativos para cada um dos dois períodos. Você usará essa lista para criar portfolio_returns com os weights disponíveis e, a partir disso, obter as losses da carteira.

Em seguida, você usará a função np.quantile() para encontrar o VaR de 95% para cada período. Se as distribuições de perdas forem as mesmas, a estimativa de VaR de 95% deve ser aproximadamente igual para ambos os períodos. Caso contrário, a distribuição pode ter mudado à medida que a crise financeira global avançou.

Este exercício faz parte do curso

Gerenciamento Quantitativo de Risco em Python

Ver curso

Instruções do exercício

  • Crie um array do Numpy de portfolio_returns para os dois períodos, a partir da lista asset_returns e dos weights da carteira.
  • Gere o array de losses a partir de portfolio_returns.
  • Calcule a simulação histórica do VaR de 95% para ambos os períodos usando np.quantile().
  • Exiba a lista das estimativas de VaR de 95%.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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])
Editar e executar o código