Simulação de Monte Carlo
Você pode usar a simulação de Monte Carlo dos ativos da carteira do banco de investimento de 2005 a 2010 para encontrar o VaR de 95%.
As perdas médias de ativos estão na matriz Numpy mu. A matriz de covariância eficiente é e_cov (observe que aqui estamos usando a variância diária, e não a anualizada, como nos exercícios anteriores). Você os usará para criar caminhos de amostra para perdas de ativos em um dia, para simular a perda diária do portfólio.
O uso da matriz de covariância e_cov permite que os caminhos dos ativos sejam correlacionados, o que é uma suposição realista.
A simulação total_steps está definida como 1440, como no vídeo. O número de execuções N está definido como 10000.
Para cada execução, você calculará o acumulado losses e, em seguida, aplicará a função np.quantile() para encontrar o VaR de 95%.
O portfólio weights e a distribuição norm do scipy.stats estão disponíveis.
Este exercício faz parte do curso
Gerenciamento quantitativo de riscos em Python
Exercício interativo prático
Experimente este exercício preenchendo este código de exemplo.
# Initialize daily cumulative loss for the 4 assets, across N runs
daily_loss = np.zeros((____ , N))