Simulação histórica
A simulação histórica do VaR pressupõe que a distribuição das perdas históricas é a mesma que a distribuição das perdas futuras. Testaremos se isso é verdade para 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 foi criada para você, que contém retornos de ativos para cada um dos dois períodos. Você usará essa lista para criar portfolio_returns com o weights disponível e usará isso para derivar o portfólio losses.
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, então a estimativa de 95% do VaR deve ser aproximadamente a mesma para ambos os períodos. Caso contrário, a distribuição poderia ter mudado com o início da crise financeira global.
Este exercício faz parte do curso
Gerenciamento quantitativo de riscos em Python
Instruções de exercício
- Crie uma matriz Numpy de
portfolio_returnspara os dois períodos, a partir da lista deasset_returnse do portfólioweights. - Gere a matriz de
lossesa partir deportfolio_returns. - Calcule a simulação histórica do VaR de 95% para ambos os períodos usando
np.quantile(). - Exibir a lista de estimativas de VaR de 95%.
Exercício interativo prático
Experimente este exercício preenchendo 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])