参数化 VaR
还可以使用一种称为方差-协方差 VaR 的方法以参数化方式计算 Value at Risk。该方法基于历史收益分布的特征，而非实际收益数值，来模拟一系列可能结果。您可以按以下方式计算参数化 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 和 vol 分别表示均值与波动率。
收益数据（小数形式）已存储在变量 StockReturns 中。
本练习是课程的一部分
Python 投资组合风险管理入门
练习说明
- 从
scipy.stats导入norm。 - 计算
StockReturns的均值与波动率，并分别赋值给mu和vol。 - 将 VaR(95) 的
confidence_level设定好。 - 使用
norm.ppf()函数计算 VaR(95)，将置信水平作为第一个参数，mu和vol作为第二和第三个参数传入。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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))