เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Parametric VaR

Value at Risk สามารถคำนวณได้ด้วยวิธี Parametric ซึ่งรู้จักกันในชื่อ variance/co-variance VaR วิธีนี้ช่วยให้จำลองผลลัพธ์ที่เป็นไปได้หลากหลายกรณี โดยอาศัยคุณสมบัติของการกระจายผลตอบแทนในอดีต แทนการใช้ค่าผลตอบแทนจริงโดยตรง สามารถคำนวณ Parametric VaR(90) ได้ดังนี้:

# Import norm from scipy.stats
from scipy.stats import norm

# Calculate Parametric VaR
norm.ppf(confidence_level=0.10, mu, vol)

โดยที่ mu และ vol คือค่าเฉลี่ยและความผันผวนตามลำดับ

ข้อมูลผลตอบแทน (ในรูปทศนิยม) พร้อมใช้งานในตัวแปร StockReturns

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Python เบื้องต้นสำหรับการบริหารความเสี่ยงพอร์ตการลงทุน

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import norm จาก scipy.stats
  • คำนวณค่าเฉลี่ยและความผันผวนของ StockReturns แล้วกำหนดให้กับ mu และ vol ตามลำดับ
  • กำหนด confidence_level สำหรับ VaR(95)
  • คำนวณ VaR(95) โดยใช้ฟังก์ชัน norm.ppf() โดยส่ง confidence level เป็นพารามิเตอร์แรก และส่ง mu กับ vol เป็นพารามิเตอร์ที่สองและสามตามลำดับ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import norm from scipy.stats
____

# Estimate the average daily return
mu = ____(StockReturns)

# Estimate the daily volatility
vol = ____(StockReturns)

# Set the VaR confidence level
confidence_level = ____

# Calculate Parametric VaR
var_95 = ____
print('Mean: ', str(mu), '\nVolatility: ', str(vol), '\nVaR(95): ', str(var_95))
แก้ไขและรันโค้ด