Estimando VaR e ES
Agora você está pronto para estimar o VaR e o ES para o investidor de ações internacionais usando as perdas e ganhos simulados historicamente em hslosses.
Você fará isso por dois métodos. Primeiro, vai aplicar um método não paramétrico simples usando um quantil amostral para estimar o VaR e a média dos valores que excedem esse quantil amostral para estimar o ES.
Depois, você vai comparar essas estimativas com os valores obtidos ao assumir que hslosses segue uma distribuição normal. Obviamente, essa é uma suposição muito 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
- Use
quantile()para estimar o 99º percentil amostral da distribuição dehslosses. - Estime o ES de 99% 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 os valores de média e desvio padrão calculados para obter o quantil de 99% de uma distribuição normal. - Use
ESnorm()com os valores de média e desvio padrão calculados para obter o ES de 99% de uma distribuição normal.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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