历史模拟
VaR 的历史模拟假设历史损失的分布与未来损失的分布是相同的。我们将通过比较 2005–2006 年与 2007–2009 年的 95% VaR，来检验这对我们的投行投资组合是否成立。
已为您创建列表 asset_returns，其中包含两个时期的资产收益。您将使用该列表和给定的 weights 来生成 portfolio_returns，并据此得到投资组合的 losses。
随后，使用 np.quantile() 函数分别求出两个时期的 95% VaR。如果损失分布相同，那么两段时期的 95% VaR 估计应当大致一致。否则，随着全球金融危机的爆发，分布可能已经发生了变化。
本练习是课程的一部分
Python 中的定量风险管理
练习说明
- 使用
asset_returns列表与投资组合weights，为两个时期创建 Numpy 数组portfolio_returns。 - 根据
portfolio_returns生成losses数组。 - 使用
np.quantile()计算两个时期的 95% VaR 的历史模拟值。 - 显示 95% VaR 估计的列表。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Create portfolio returns for the two sub-periods using the list of asset returns
portfolio_returns = np.array([ x.____(weights) for x in asset_returns])
# Derive portfolio losses from portfolio returns
losses = - ____
# Find the historical simulated VaR estimates
VaR_95 = [____(x, 0.95) for x in ____]
# Display the VaR estimates
print("VaR_95, 2005-2006: ", VaR_95[0], '; VaR_95, 2007-2009: ', VaR_95[1])