Náhodné procházky

Úvod do řízení portfoliového rizika v Pythonu

Dakota Wixom

Quantitative Analyst | QuantCourse.com

Náhodné procházky

V oblasti financí bývají náhodné procházky zpravidla jednodušší než ve fyzice:

Náhodné procházky v Pythonu

Předpokládejme, že objekt StockReturns je časová řada výnosů akcií.

Simulace náhodné procházky:

mu = np.mean(StockReturns)
std = np.std(StockReturns)
T = 252
S0 = 10
rand_rets = np.random.normal(mu, std, T) + 1
forecasted_values = S0 * (rand_rets.cumprod())
forecasted_values

array([ 9.71274884,  9.72536923, 10.03605425 ... ])

Simulace Monte Carlo

Série simulací Monte Carlo pro jednu akcii s počáteční cenou 10 USD v čase T0. Prognóza na 1 rok (252 obchodních dní na ose x):

VaR Monte Carlo v Pythonu

Výpočet VaR(95) ze 100 simulací Monte Carlo:

mu = 0.0005
vol = 0.001
 T = 252
sim_returns = []
for i in range(100):
    rand_rets = np.random.normal(mu, vol, T)
    sim_returns.append(rand_rets)
var_95 = np.percentile(sim_returns, 5)
var_95

-0.028

Pojďme si procvičit!

Úvod do řízení portfoliového rizika v Pythonu