Оценка VaR и ES

Теперь вы готовы оценить VaR и ES для международного портфельного инвестора, используя исторически смоделированные убытки и доходы из hslosses.

Вы сделаете это двумя способами. Сначала применяется простой непараметрический метод: выборочный квантиль используется для оценки VaR, а среднее значений, превышающих этот квантиль, — для оценки ES.

Затем вы сравните полученные оценки со значениями, рассчитанными при допущении, что hslosses имеют нормальное распределение. Это, очевидно, весьма грубое допущение — сравните два набора оценок, чтобы понять, какой из них даёт более консервативные результаты.

Это упражнение является частью курса

Количественное управление рисками в R

Посмотреть курс

Инструкции к упражнению

С помощью quantile() оцените 99-й выборочный перцентиль распределения hslosses.
Оцените 99%-й ES как среднее тех значений hslosses, которые не меньше оценки VaR (этот шаг уже выполнен за вас).
С помощью соответствующих функций вычислите среднее и стандартное отклонение hslosses и присвойте результаты переменным mu и sigma соответственно.
Используйте qnorm() с вычисленными средним и стандартным отклонением, чтобы найти 99%-й квантиль нормального распределения.
Используйте ESnorm() с вычисленными средним и стандартным отклонением, чтобы найти 99%-й ES нормального распределения.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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

Редактировать и запускать код