Skalning av riskuppskattningar
VaR(95)-värdet som beräknades i tidigare övningar gäller enbart för en enskild dag. För att uppskatta VaR över en längre tidshorisont skalar du värdet med kvadratroten av tiden – på samma sätt som man skalar volatilitet:
$$ \text{VaR(95)}_{\text{t dagar}} = \text{VaR(95)}_{\text{1 dag}} * \sqrt{t} $$
StockReturns_perc och var_95 från föregående övning finns tillgängliga i din arbetsyta. Använd dessa data för att uppskatta VaR för USO-olje-ETF:en för 1 till 100 dagar framåt. Vi har också definierat en funktion plot_var_scale() som plottar VaR för 1 till 100 dagar framåt.
Den här övningen är en del av kursen
Introduktion till portföljriskhantering i Python
Övningsinstruktioner
- Loopa från 0 till 100 (exklusive 100) med hjälp av funktionen
range(). - Sätt den andra kolumnen i
forecasted_valuesvid varje index till det prognostiserade VaR-värdet, genom att multipliceravar_95med kvadratroten avi + 1via funktionennp.sqrt().
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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()