Масштабирование оценок риска

Значение VaR(95), рассчитанное в предыдущих упражнениях, представляет собой стоимость под риском для одного дня. Чтобы оценить VaR для более длительного горизонта, умножьте это значение на квадратный корень из времени — по аналогии с масштабированием волатильности:

$$ \text{VaR(95)}_{\text{t days}} = \text{VaR(95)}_{\text{1 day}} * \sqrt{t} $$

StockReturns_perc и var_95 из предыдущего упражнения доступны в вашем рабочем пространстве. Используйте эти данные для оценки VaR нефтяного ETF USO на период от 1 до 100 дней вперёд. Также определена функция plot_var_scale(), которая строит график VaR для 1–100 дней вперёд.

Это упражнение является частью курса

Введение в управление портфельными рисками на Python

Посмотреть курс

Инструкции к упражнению

С помощью функции range() выполните цикл от 0 до 100 (не включая 100).
Присвойте второму столбцу массива forecasted_values для каждого индекса прогнозируемое значение VaR, умножив var_95 на квадратный корень из i + 1 с помощью функции np.sqrt().

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Aggregate forecasted VaR
forecasted_values = np.empty([100, 2])

# Loop through each forecast period
for i in ____:
    # Save the time horizon i
    forecasted_values[i, 0] = i
    # Save the forecasted VaR 95
    forecasted_values[i, 1] = ____
    
# Plot the results
plot_var_scale()

Редактировать и запускать код