Calculează VaR parametric
În acest exercițiu, vei exersa estimarea VaR-urilor zilnice dinamice de 5% folosind o abordare parametrică.
Amintește-ți că există trei pași pentru a realiza o estimare VaR în avans. Pasul 1 constă în utilizarea unui model GARCH pentru a genera previziuni de varianță. Pasul 2 presupune obținerea mediei și a volatilității forward-looking din modelul GARCH. Pasul 3 constă în calcularea cuantilei conform unui nivel de încredere dat. Abordarea parametrică estimează cuantilele pe baza unei ipoteze de distribuție prestabilite.
Un model GARCH a fost ajustat pe date istorice ale randamentelor Bitcoin până la 1/1/2019, apoi a generat previziuni de medie și varianță, salvate în mean_forecast, respectiv variance_forecast. Modelul GARCH presupune o distribuție t a lui Student, iar \(\nu\) (gradul de libertate) este salvat în nu.
Acest exercițiu face parte din cursul
Modele GARCH în Python
Instrucțiuni pentru exercițiu
- Calculează cuantila de 0,05 din distribuția t a lui Student presupusă.
- Calculează VaR folosind
mean_forecast,variance_forecastdin modelul GARCH și cuantila obținută la pasul anterior.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Obtain the parametric quantile
q_parametric = basic_gm.____.____(____, nu)
print('5% parametric quantile: ', q_parametric)
# Calculate the VaR
VaR_parametric = ____.values + np.sqrt(____).values * ____
# Save VaR in a DataFrame
VaR_parametric = pd.DataFrame(VaR_parametric, columns = ['5%'], index = variance_forecast.index)
# Plot the VaR
plt.plot(VaR_parametric, color = 'red', label = '5% Parametric VaR')
plt.scatter(variance_forecast.index,bitcoin_data.Return['2019-1-1':], color = 'orange', label = 'Bitcoin Daily Returns' )
plt.legend(loc = 'upper right')
plt.show()