ComeçarComece de graça

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

Ver curso

Instruções do exercício

  • Use quantile() para estimar o 99º percentil amostral da distribuição de hslosses.
  • Estime o ES de 99% calculando a média dos valores de hslosses que 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 hslosses e atribua a mu e sigma, 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
Editar e executar o código