เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ปัจจัยความเสี่ยงจากหุ้นและความผันผวนโดยนัย

ในการวิเคราะห์ความเสี่ยงของพอร์ตโฟลิโอที่ประกอบด้วยออปชัน จำเป็นต้องพิจารณาการเปลี่ยนแปลงของปัจจัยความเสี่ยงทั้งสามประการ ได้แก่ ราคาหุ้น ความผันผวน และอัตราดอกเบี้ย โดยในที่นี้จะเน้นที่ปัจจัยความเสี่ยงสองประการแรก และสมมติว่าอัตราดอกเบี้ยไม่เปลี่ยนแปลงมากนักในช่วงเวลาสั้น ค่าปัจจัยความเสี่ยงรายวันสำหรับช่วงปี 1990-2010 อยู่ใน riskfactors และ log-return ที่สอดคล้องกันอยู่ใน returns โดยชุดข้อมูลหลายตัวแปรทั้งสองชุดได้ถูกโหลดไว้ในพื้นที่ทำงานของคุณแล้ว

ความผันผวนเป็นปัจจัยความเสี่ยงใหม่ที่ยังไม่ได้พิจารณาในคอร์สนี้มาก่อน โดยแสดงด้วยดัชนี VIX ซึ่งสร้างขึ้นจากความผันผวนโดยนัยของออปชันหลากหลายประเภทบนดัชนี S&P 500:

> names(returns)
[1] "X.GSPC" "X.VIX"

ในแบบฝึกหัดนี้ คุณจะตรวจสอบได้ว่า log-return ของความผันผวนมีพฤติกรรมคล้ายกับข้อมูล return อื่น ๆ ที่เคยพบมาหรือไม่ และดูว่าค่าเหล่านั้นแปรผันอย่างไรเมื่อเทียบกับ log-return ของดัชนี S&P 500

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Quantitative Risk Management in R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ฟังก์ชันที่เหมาะสมเพื่อพล็อตข้อมูลใน riskfactors และใน returns
  • ใช้ plot() และ as.matrix() ต่อกันเพื่อสร้าง scatterplot ของ returns
  • ใช้ apply() เพื่อทำการทดสอบ Jarque-Bera กับ returns จากนั้นใช้ qqnorm() และการอ้างอิงด้วย brackets เพื่อสร้าง Q-Q plot เทียบกับการแจกแจงปกติสำหรับ log-return ของชุดข้อมูลความผันผวนใน returns
  • สร้างกราฟ acf ของตัวอย่างจากข้อมูลใน returns แล้วตามด้วย absolute return ของข้อมูล
  • ใช้ cor() เพื่อคำนวณสหสัมพันธ์ระหว่าง log-return ของปัจจัยความเสี่ยงทั้งสองใน returns

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Plot the risk factors and the log-returns



# Make a scatterplot of the two return series


# Apply the Jarque-Bera test to the returns and make a Q-Q plot of the volatility log-returns



# Create the sample acf of the returns and absolute returns



# Calculate the correlation between the log-returns
แก้ไขและรันโค้ด