Monte Carlo-simulering
Du kan använda Monte Carlo-simulering av investeringsbankportföljens tillgångar för perioden 2005–2010 för att beräkna 95% VaR.
Medelvärdet för tillgångsförluster finns i Numpy-arrayen mu. Den effektiva kovariansmatrisen är e_cov (notera att vi här använder den dagliga variansen, inte den annualiserade som i tidigare övningar). Du använder dessa för att skapa simulerade förloppsvägar för tillgångsförluster under en dag och simulerar därmed den dagliga portföljförlusten.
Genom att använda kovariansmatrisen e_cov kan tillgångsvägarna vara korrelerade, vilket är ett realistiskt antagande.
Antalet simuleringssteg total_steps är satt till 1440, precis som i videon. Antalet körningar N är satt till 10 000.
För varje körning beräknar du de kumulativa losses, och tillämpar sedan funktionen np.quantile() för att hitta 95% VaR.
Portföljens weights och norm-fördelningen från scipy.stats är tillgängliga.
Den här övningen är en del av kursen
Kvantitativ riskhantering i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Initialize daily cumulative loss for the 4 assets, across N runs
daily_loss = np.zeros((____ , N))