Monte Carlo VaR
Både returvärden och Monte Carlo-simulerade banor kan användas för att analysera allt från optionsprismodeller och hedging till portföljoptimering och handelsstrategier.
Aggregera avkastningsdata i varje iteration och använd de resulterande värdena för att prognostisera parametrisk VaR(99).
Parametrarna mu, vol, T och S0 är tillgängliga från föregående övning.
Den här övningen är en del av kursen
Introduktion till portföljriskhantering i Python
Övningsinstruktioner
- Använd metoden
.append()för att lägga tillrand_retsi listansim_returnsvid varje iteration. - Beräkna den parametriska VaR(99) med hjälp av funktionen
np.percentile()påsim_returns.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Aggregate the returns
sim_returns = []
# Loop through 100 simulations
for i in range(100):
# Generate the Random Walk
rand_rets = np.random.normal(mu, vol, T)
# Save the results
sim_returns.____
# Calculate the VaR(99)
var_99 = ____
print("Parametric VaR(99): ", round(100*var_99, 2),"%")