Calculează VaR empiric

În acest exercițiu vei exersa estimarea VaR-urilor zilnice dinamice de 5% folosind o abordare empirică.

Diferența dintre VaR parametric și VaR empiric constă în modul de estimare a cuantilelor. Abordarea parametrică estimează cuantilele pe baza unei distribuții presupuse, în timp ce abordarea empirică le estimează din distribuția observată a reziduurilor standardizate.

Vei folosi același model GARCH ca în exercițiul anterior. Predicțiile pentru medie și varianță sunt salvate în mean_forecast, respectiv variance_forecast. Reziduurile standardizate empirice au fost deja calculate și salvate în std_resid.

Acest exercițiu face parte din cursul

Modele GARCH în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Calculează cuantila 0,05 din reziduurile standardizate GARCH std_resid.
Calculează VaR folosind mean_forecast, variance_forecast din modelul GARCH și cuantila obținută la pasul anterior.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Obtain the empirical quantile
q_empirical = ____.____(____)
print('5% empirical quantile: ', q_empirical)

# Calculate the VaR
VaR_empirical = ____.values + np.sqrt(____).values * ____
# Save VaR in a DataFrame
VaR_empirical = pd.DataFrame(VaR_empirical, columns = ['5%'], index = variance_forecast.index)

# Plot the VaRs
plt.plot(VaR_empirical, color = 'brown', label = '5% Empirical 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()

Editează și rulează codul