Kom igångKom igång gratis

Historisk simulering

Historisk simulering av VaR utgår från att fördelningen av historiska förluster är densamma som fördelningen av framtida förluster. Vi testar om detta stämmer för vår investmentbanksportfölj genom att jämföra 95%-VaR för perioden 2005–2006 med 95%-VaR för perioden 2007–2009.

Listan asset_returns har redan skapats åt dig och innehåller tillgångsavkastningar för var och en av de två perioderna. Du använder den för att skapa portfolio_returns med de tillgängliga weights, och beräknar sedan portföljens losses.

Därefter använder du funktionen np.quantile() för att hitta 95%-VaR för respektive period. Om förlustfördelningarna är desamma bör 95%-VaR-skattningen vara ungefär lika för båda perioderna. Annars kan fördelningen ha förändrats i takt med att den globala finanskrisen slog till.

Den här övningen är en del av kursen

Kvantitativ riskhantering i Python

Visa kurs

Övningsinstruktioner

  • Skapa en NumPy-array med portfolio_returns för de två perioderna, utifrån listan asset_returns och portföljvikterna weights.
  • Generera arrayen med losses från portfolio_returns.
  • Beräkna den historiska simuleringen av 95%-VaR för båda perioderna med hjälp av np.quantile().
  • Visa listan med 95%-VaR-skattningar.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Create portfolio returns for the two sub-periods using the list of asset returns
portfolio_returns = np.array([ x.____(weights) for x in asset_returns])

# Derive portfolio losses from portfolio returns
losses = - ____

# Find the historical simulated VaR estimates
VaR_95 = [____(x, 0.95) for x in ____]

# Display the VaR estimates
print("VaR_95, 2005-2006: ", VaR_95[0], '; VaR_95, 2007-2009: ', VaR_95[1])
Redigera och kör kod