Параметричний VaR

Value at Risk можна також обчислити параметрично за методом дисперсія/коваріація (variance/covariance VaR). Цей підхід дає змогу моделювати діапазон можливих результатів на основі властивостей історичного розподілу дохідностей, а не фактичних значень. Ви можете обчислити параметричний VaR(90) за допомогою:

# Import norm from scipy.stats
from scipy.stats import norm

# Calculate Parametric VaR
norm.ppf(confidence_level=0.10, mu, vol)

де mu і vol — це відповідно середнє значення та волатильність.

Дані дохідностей (у частках) доступні у змінній StockReturns.

Ця вправа є частиною курсу

Вступ до керування ризиком портфеля в Python

Переглянути курс

Інструкції до вправи

Імпортуйте norm із scipy.stats.
Обчисліть середнє та волатильність StockReturns і запишіть їх у mu та vol відповідно.
Задайте confidence_level для VaR(95).
Обчисліть VaR(95) за допомогою функції norm.ppf(), передавши рівень довіри першим параметром, а mu та vol — другим і третім параметрами.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Import norm from scipy.stats
____

# Estimate the average daily return
mu = ____(StockReturns)

# Estimate the daily volatility
vol = ____(StockReturns)

# Set the VaR confidence level
confidence_level = ____

# Calculate Parametric VaR
var_95 = ____
print('Mean: ', str(mu), '\nVolatility: ', str(vol), '\nVaR(95): ', str(var_95))

Редагувати та запускати код