Skatta VaR och ES för optionsportföljen

Nu är du redo att skatta VaR och ES för investeraren i den europeiska köpoptionen med hjälp av de historiskt simulerade förlusterna och vinsterna i hslosses.

Även här gör du detta med två metoder. Först tillämpar du en icke-parametrisk metod där du använder en urvalskvantil för att skatta VaR och beräknar medelvärdet av de värden som överstiger samma kvantil för att skatta ES.

Därefter jämför du dessa skattningar med de värden du får när du antar att hslosses är normalfördelade. Precis som i föregående övning är det ett dåligt antagande – jämför de två uppsättningarna skattningar för att se vilka som är mer konservativa.

Den här övningen är en del av kursen

Kvantitativ riskhantering i R

Visa kurs

Övningsinstruktioner

Skatta 99,5-procentpercentilen av fördelningen av hslosses med hjälp av quantile().
Skatta 99,5%-ES genom att beräkna medelvärdet av de värden i hslosses som är minst lika stora som VaR-skattningen (detta är redan gjort åt dig).
Använd lämpliga funktioner för att skatta medelvärdet och standardavvikelsen för hslosses och tilldela dem till mu respektive sigma.
Använd qnorm() med det beräknade medelvärdet och standardavvikelsen för att beräkna 99,5%-kvantilen av en normalfördelning.
Använd ESnorm() med det beräknade medelvärdet och standardavvikelsen för att beräkna 99,5%-ES av en normalfördelning.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Estimate the 99.5% percentile of the distribution


# Estimate the 99.5% ES
mean(hslosses[hslosses >= quantile(hslosses, 0.995)])

# Estimate the mean and standard deviation of hslosses



# Compute the 99.5% quantile of a normal distribution


# Compute the 99.5% ES of a normal distribution

Redigera och kör kod