估计 VaR 和 ES
现在，您将使用 hslosses 中历史模拟得到的损益，为这位国际股票投资者估计 VaR 和 ES。
您将用两种方法完成。首先，使用简单的非参数方法：用样本分位数估计 VaR，用超过该样本分位数的取值的平均值估计 ES。
然后，您将把这些估计与在假设 hslosses 服从正态分布时得到的数值进行比较。显然，这是一个很差的假设，您应比较两组结果，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
练习说明
- 使用
quantile()估计hslosses分布的第 99 个样本百分位数。 - 通过计算至少与 VaR 估计值一样大的
hslosses的均值来估计 99% ES（此步骤已为您完成）。 - 使用合适的函数估计
hslosses的均值和标准差，分别赋值给mu和sigma。 - 使用
qnorm()结合上一步计算的均值和标准差，求正态分布的 99% 分位数。 - 使用
ESnorm()结合上一步计算的均值和标准差，求正态分布的 99% 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 99th sample percentile of the distribution of hslosses
# Estimate the 99% ES
mean(hslosses[hslosses >= quantile(hslosses, 0.99)])
# Estimate the mean and standard deviation of hslosses
# Compute the 99% quantile of a normal distribution
# Compute the 99% ES of a normal distribution