1. Learn
    2. /
  2. Курси
    3. /
  3. Кількісне управління ризиками в Python
Connected

Вправа

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.

Інструкції 1/4

undefined XP
    1
    2
    3
    4
  • Ініціалізуйте одноденну кумулятивну матрицю daily_loss — згодом її буде використано для підсумовування змодельованих щохвилинних збитків для всіх 4 активів.