估计期权组合的 VaR 与 ES

现在，您将利用 hslosses 中历史模拟的损益来估计欧式看涨期权投资者的 VaR 和 ES。

您将再次通过两种方法来完成。首先，使用非参数方法：用样本分位数估计 VaR，并计算超过同一分位数的数值的平均值来估计 ES。

然后，您将在假设 hslosses 服从正态分布的前提下，比较对应得到的估计值。与上一个练习类似，这一假设并不理想，您应对比两组估计，看看哪一组更保守。

本练习是课程的一部分

R 中的定量风险管理

查看课程

练习说明

使用 quantile() 估计 hslosses 分布的 99.5% 样本分位数。
通过计算至少与 VaR 估计值一样大的那些 hslosses 的均值来估计 99.5% ES（此步骤已为您完成）。
使用合适的函数估计 hslosses 的均值与标准差，并分别赋给 mu 与 sigma。
使用带有上述均值与标准差的 qnorm() 计算正态分布的 99.5% 分位数。
使用带有上述均值与标准差的 ESnorm() 计算正态分布的 99.5% ES。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Estimate the 99.5% percentile of the distribution


# Estimate the 99.5% ES
mean(hslosses[hslosses >= quantile(hslosses, 0.995)])

# Estimate the mean and standard deviation of hslosses



# Compute the 99.5% quantile of a normal distribution


# Compute the 99.5% ES of a normal distribution

编辑并运行代码