Estimando VaR e ES para a carteira de opções
Agora você está pronto para estimar o VaR e o ES para o investidor na opção de compra europeia usando as perdas e ganhos simulados historicamente em hslosses.
Mais uma vez, você fará isso por dois métodos. Primeiro, vai aplicar um método não paramétrico usando um quantil amostral para estimar o VaR e calcular a média dos valores que excedem o mesmo quantil para estimar o ES.
Depois, você vai comparar essas estimativas com os valores obtidos quando se assume que hslosses tem distribuição normal. Como no exercício anterior, essa é uma suposição ruim, e você deve comparar os dois conjuntos de estimativas para ver quais são mais conservadoras.
Este exercício faz parte do curso
Gerenciamento de Risco Quantitativo em R
Instruções do exercício
- Estime o percentil amostral de 99,5% da distribuição de
hslossesusandoquantile(). - Estime o ES de 99,5% calculando a média dos valores de
hslossesque são pelo menos tão grandes quanto a estimativa de VaR (isso já foi feito para você). - Use as funções apropriadas para estimar a média e o desvio padrão de
hslossese atribua amuesigma, respectivamente. - Use
qnorm()com a média e o desvio padrão calculados para obter o quantil de 99,5% de uma distribuição normal. - Use
ESnorm()com a média e o desvio padrão calculados para obter o ES de 99,5% de uma distribuição normal.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Estimate the 99.5% percentile of the distribution
# Estimate the 99.5% ES
mean(hslosses[hslosses >= quantile(hslosses, 0.995)])
# Estimate the mean and standard deviation of hslosses
# Compute the 99.5% quantile of a normal distribution
# Compute the 99.5% ES of a normal distribution