Błądzenie losowe

Wprowadzenie do zarządzania ryzykiem portfela w Pythonie

Dakota Wixom

Quantitative Analyst | QuantCourse.com

Błądzenie losowe

W finansach błądzenie losowe jest zazwyczaj prostsze niż w fizyce:

Błądzenie losowe w Pythonie

Zakładając, że obiekt StockReturns jest szeregiem czasowym zwrotów z akcji.

Symulacja błądzenia losowego:

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 ... ])

Symulacje Monte Carlo

Seria symulacji Monte Carlo dla jednego aktywa z ceną startową $10 w T0. Prognoza na 1 rok (252 dni handlowe na osi X):

VaR Monte Carlo w Pythonie

Obliczanie VaR(95) dla 100 symulacji 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

Czas na ćwiczenia!

Wprowadzenie do zarządzania ryzykiem portfela w Pythonie