參數化 VaR
你也可以用參數化的方法（variance/covariance VaR）計算 Value at Risk。這種方法不是根據實際報酬值，而是根據歷史報酬分配的性質來模擬一系列可能結果。你可以用下列方式計算參數化的 VaR(90)：
# Import norm from scipy.stats
from scipy.stats import norm
# Calculate Parametric VaR
norm.ppf(confidence_level=0.10, mu, vol)
其中 mu 與 vol 分別是平均值與波動度。
報酬資料（以小數表示）已提供在變數 StockReturns。
本練習屬於課程
Python 投資組合風險管理入門
練習說明
- 從
scipy.stats匯入norm。 - 計算
StockReturns的平均與波動度，分別指定為mu與vol。 - 設定 VaR(95) 的
confidence_level。 - 使用
norm.ppf()函式計算 VaR(95)，將信賴水準作為第一個參數，mu與vol作為第二與第三個參數傳入。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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))