การจำลองแบบ Monte Carlo
สามารถใช้การจำลองแบบ Monte Carlo กับข้อมูล สินทรัพย์ ของพอร์ตโฟลิโอธนาคารเพื่อการลงทุนในช่วงปี 2005–2010 เพื่อหาค่า VaR ที่ระดับความเชื่อมั่น 95%
ค่าเฉลี่ยของการขาดทุนจากสินทรัพย์อยู่ใน Numpy array mu ส่วนเมทริกซ์ความแปรปรวนร่วมที่มีประสิทธิภาพคือ e_cov (โปรดสังเกตว่าที่นี่เราใช้ความแปรปรวน รายวัน ไม่ใช่รายปีอย่างในแบบฝึกหัดก่อนหน้า) จะใช้ค่าเหล่านี้เพื่อสร้าง sample path ของการขาดทุนจากสินทรัพย์ในช่วงหนึ่งวัน เพื่อจำลองการขาดทุนของพอร์ตโฟลิโอรายวัน
การใช้เมทริกซ์ความแปรปรวนร่วม e_cov ช่วยให้ asset path มีความ สหสัมพันธ์ กัน ซึ่งเป็นสมมติฐานที่สมจริง
จำนวนขั้นตอนในการจำลอง total_steps ถูกกำหนดไว้ที่ 1440 ตามที่แสดงในวิดีโอ และจำนวนรอบการรัน N ถูกกำหนดไว้ที่ 10000
ในแต่ละรอบจะคำนวณ losses สะสม จากนั้นใช้ฟังก์ชัน np.quantile() เพื่อหาค่า VaR ที่ระดับ 95%
weights ของพอร์ตโฟลิโอและการแจกแจง norm จาก scipy.stats พร้อมใช้งานแล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การบริหารความเสี่ยงเชิงปริมาณด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Initialize daily cumulative loss for the 4 assets, across N runs
daily_loss = np.zeros((____ , N))