Historiskt Value at Risk
Drawdown mäter ihållande förluster över tid – men hur är det med enskilda dagliga prisrörelser?
Value at Risk, ofta förkortat VaR, är ett sätt att uppskatta risken för en negativ prisrörelse under en enskild dag. VaR kan beräknas för valfri sannolikhet eller konfidensnivå, men de vanligast förekommande är VaR(95) och VaR(99). Historiskt VaR är den enklaste metoden för att beräkna VaR, men den förutsätter att historisk avkastning är representativ för framtiden – något som inte alltid stämmer. Historiskt VaR(95) representerar till exempel den minsta förlust som din portfölj eller tillgång har haft i de sämsta 5 % av fallen.
Nedan ska du beräkna det historiska VaR(95) för ETF:en USO oil. Avkastningsdata finns tillgänglig (i procent) i variabeln StockReturns_perc.
Den här övningen är en del av kursen
Introduktion till portföljriskhantering i Python
Övningsinstruktioner
- Beräkna VaR(95), de sämsta 5 % av USO:s avkastningar (
StockReturns_perc), och tilldela resultatet tillvar_95. - Sortera
StockReturns_percoch tilldela resultatet tillsorted_rets. - Rita ett histogram över de sorterade avkastningarna (
sorted_rets).
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Calculate historical VaR(95)
var_95 = ____(StockReturns_perc, ____)
print(var_95)
# Sort the returns for plotting
sorted_rets = ____
# Plot the probability of each sorted return quantile
____(sorted_rets, density=True, stacked=True)
# Denote the VaR 95 quantile
plt.axvline(x=var_95, color='r', linestyle='-', label="VaR 95: {0:.2f}%".format(var_95))
plt.show()