เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

Historical Simulation

การจำลองเชิงประวัติศาสตร์ (Historical Simulation) ของ VaR ตั้งสมมติฐานว่าการกระจายของผลขาดทุนในอดีตมีรูปแบบ เดียวกัน กับการกระจายของผลขาดทุนในอนาคต เราจะทดสอบว่าสมมติฐานนี้เป็นจริงสำหรับพอร์ตโฟลิโอธนาคารเพื่อการลงทุนของเราหรือไม่ โดยเปรียบเทียบค่า VaR ที่ระดับความเชื่อมั่น 95% ระหว่างช่วงปี 2005–2006 กับช่วงปี 2007–2009

รายการ asset_returns ถูกสร้างไว้ให้แล้ว ซึ่งเก็บผลตอบแทนของสินทรัพย์สำหรับแต่ละช่วงเวลา นำรายการนี้มาสร้าง portfolio_returns โดยใช้ weights ที่มีอยู่ แล้วนำไปคำนวณ losses ของพอร์ตโฟลิโอ

จากนั้นใช้ฟังก์ชัน np.quantile() เพื่อหาค่า VaR ที่ 95% ของแต่ละช่วงเวลา หากการกระจายของผลขาดทุนทั้งสองช่วงเหมือนกัน ค่าประมาณ VaR 95% ก็ควรใกล้เคียงกัน มิฉะนั้นการกระจายอาจเปลี่ยนแปลงไปตามที่วิกฤตการณ์ทางการเงินโลกรุนแรงขึ้น

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การบริหารความเสี่ยงเชิงปริมาณด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง Numpy array ของ portfolio_returns สำหรับทั้งสองช่วงเวลา โดยใช้รายการ asset_returns และ weights ของพอร์ตโฟลิโอ
  • สร้าง array ของ losses จาก portfolio_returns
  • คำนวณการจำลองเชิงประวัติศาสตร์ของ VaR ที่ระดับ 95% สำหรับทั้งสองช่วงเวลาโดยใช้ np.quantile()
  • แสดงรายการค่าประมาณ VaR 95%

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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])
แก้ไขและรันโค้ด