Масштабування оцінок ризику

Число VaR(95), обчислене в попередніх вправах, — це значення під ризиком лише на один день. Щоб оцінити VaR для довшого горизонту, помножте це значення на корінь квадратний із часу — аналогічно до масштабування волатильності:

$$ \text{VaR(95)}_{\text{t days}} = \text{VaR(95)}_{\text{1 day}} * \sqrt{t} $$

StockReturns_perc і var_95 з попередньої вправи доступні у вашому робочому середовищі. Використайте ці дані, щоб оцінити VaR для нафтового ETF USO на період від 1 до 100 днів від сьогодні. Ми також визначили функцію plot_var_scale(), яка будує графік VaR на 1–100 днів уперед.

Ця вправа є частиною курсу

Вступ до керування ризиком портфеля в Python

Переглянути курс

Інструкції до вправи

Переберіть значення від 0 до 100 (не включаючи 100) за допомогою функції range().
На кожній ітерації задайте другий стовпець у forecasted_values рівним прогнозному VaR, помноживши var_95 на корінь квадратний із i + 1 за допомогою функції np.sqrt().

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Aggregate forecasted VaR
forecasted_values = np.empty([100, 2])

# Loop through each forecast period
for i in ____:
    # Save the time horizon i
    forecasted_values[i, 0] = i
    # Save the forecasted VaR 95
    forecasted_values[i, 1] = ____
    
# Plot the results
plot_var_scale()

Редагувати та запускати код