เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การประมาณค่า VaR และ ES

ตอนนี้พร้อมแล้วที่จะประมาณค่า VaR และ ES สำหรับนักลงทุนในตลาดหุ้นต่างประเทศ โดยใช้การขาดทุนและกำไรที่จำลองจากข้อมูลประวัติศาสตร์ใน hslosses

จะทำการประมาณด้วย 2 วิธี ได้แก่ วิธีแรกคือใช้วิธี non-parametric อย่างง่าย โดยใช้ sample quantile ในการประมาณค่า VaR และใช้ค่าเฉลี่ยของค่าที่เกิน sample quantile นั้นในการประมาณค่า ES

จากนั้นจะเปรียบเทียบค่าประมาณเหล่านี้กับค่าที่ได้จากการสมมติว่า hslosses มีการแจกแจงแบบปกติ ซึ่งเป็นข้อสมมติที่ไม่เหมาะสมอย่างชัดเจน ให้ลองเปรียบเทียบค่าประมาณทั้งสองชุดเพื่อดูว่าชุดใดให้การประมาณที่ conservative กว่ากัน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Quantitative Risk Management in R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ quantile() เพื่อประมาณค่าเปอร์เซ็นไทล์ที่ 99 ของการแจกแจงของ hslosses
  • ประมาณค่า ES ที่ 99% โดยคำนวณค่าเฉลี่ยของ hslosses ที่มีค่ามากกว่าหรือเท่ากับค่าประมาณ VaR (ส่วนนี้ได้ดำเนินการไว้ให้แล้ว)
  • ใช้ฟังก์ชันที่เหมาะสมในการประมาณค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของ hslosses แล้วกำหนดให้กับ mu และ sigma ตามลำดับ
  • ใช้ qnorm() พร้อมค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานที่คำนวณได้ เพื่อคำนวณ quantile ที่ 99% ของการแจกแจงแบบปกติ
  • ใช้ ESnorm() พร้อมค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานที่คำนวณได้ เพื่อคำนวณค่า ES ที่ 99% ของการแจกแจงแบบปกติ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Estimate the 99th sample percentile of the distribution of hslosses


# Estimate the 99% ES
mean(hslosses[hslosses >= quantile(hslosses, 0.99)])

# Estimate the mean and standard deviation of hslosses



# Compute the 99% quantile of a normal distribution


# Compute the 99% ES of a normal distribution
แก้ไขและรันโค้ด