Моделювання Монте-Карло
Ви можете використати моделювання Монте‑Карло для активів портфеля інвестиційного банку за 2005–2010 роки, щоб знайти 95% VaR.
Середні збитки за активами збережено в масиві Numpy mu. Ефективна коваріаційна матриця — e_cov (зверніть увагу, що тут ми використовуємо добову, а не річну дисперсію, як у попередніх вправах). Ви використаєте їх, щоб створити траєкторії збитків активів за один день і змоделювати денний збиток портфеля.
Використання коваріаційної матриці e_cov дає змогу зробити траєкторії активів скорельованими, що є реалістним припущенням.
Кількість кроків симуляції total_steps встановлено 1440, як у відео. Кількість запусків N дорівнює 10000.
Для кожного запуску ви обчислите кумулятивні losses, а потім застосуєте функцію np.quantile(), щоб знайти 95% VaR.
Портфельні weights і розподіл norm з scipy.stats доступні.
Ця вправа є частиною курсу
Кількісне управління ризиками в Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Initialize daily cumulative loss for the 4 assets, across N runs
daily_loss = np.zeros((____ , N))