Ampirik VaR'ı hesapla
Bu egzersizde, ampirik bir yaklaşımla dinamik günlük %5 VaR tahmin etmeyi pratik yapacaksın.
Parametrik VaR ile ampirik VaR arasındaki fark, çeyreklerin (quantile) nasıl tahmin edildiğidir. Parametrik yaklaşım çeyrekleri varsayılan bir dağılımdan tahmin ederken, ampirik yaklaşım çeyrekleri standartlaştırılmış artıkların gözlenen dağılımından tahmin eder.
Önceki egzersizdekiyle aynı GARCH modelini kullanacaksın. Ortalama ve varyans tahminleri sırasıyla mean_forecast ve variance_forecast içinde saklandı. Ampirik standartlaştırılmış artıklar da hesaplandı ve std_resid içinde kaydedildi.
Bu egzersiz
Python ile GARCH Modelleri
kursunun bir parçasıdırEgzersiz talimatları
- GARCH standartlaştırılmış artıklardan
std_residiçin 0.05 çeyreğini hesapla. - GARCH modelinden
mean_forecast,variance_forecastve bir önceki adımda bulduğun çeyreği kullanarak VaR'ı hesapla.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Obtain the empirical quantile
q_empirical = ____.____(____)
print('5% empirical quantile: ', q_empirical)
# Calculate the VaR
VaR_empirical = ____.values + np.sqrt(____).values * ____
# Save VaR in a DataFrame
VaR_empirical = pd.DataFrame(VaR_empirical, columns = ['5%'], index = variance_forecast.index)
# Plot the VaRs
plt.plot(VaR_empirical, color = 'brown', label = '5% Empirical VaR')
plt.plot(VaR_parametric, color = 'red', label = '5% Parametric VaR')
plt.scatter(variance_forecast.index,bitcoin_data.Return['2019-1-1':], color = 'orange', label = 'Bitcoin Daily Returns' )
plt.legend(loc = 'upper right')
plt.show()