关于算法:Python蒙特卡罗Monte-Carlo模拟计算投资组合的风险价值VaR

原文链接:http://tecdat.cn/?p=22862

如何应用Python通过蒙特卡洛模仿主动计算危险值（VaR）来治理投资组合或股票的金融风险。

VaR是 "危险价值 "的缩写，是许多公司和银行用来确定其公司外部金融风险程度的工具。危险值是为公司的投资而计算的，也可能是为查看银行或公司所治理的投资组合的危险程度。

该计算能够被认为是一种统计办法。它也能够简化为以下语句

危险值是在肯定的概率程度（置信区间）下将产生的最小损失或在肯定的概率程度下将实现的最大损失。

上图显示了一个公司在%的置信水平下可能面临的最大损失。在集体层面上，VaR能够帮忙你预测或剖析你的投资组合可能面临的最大损失。

蒙特卡洛模型是Stanislaw Ulam和John Neumann的心血结晶，他们在第二次世界大战后开发了这个模型。该模型是以摩纳哥的一个赌博城市命名的，这是因为赌博中存在机会和随机性。

蒙特卡洛模仿是一个概率模型，它应用产生的随机变量与经济因素（冀望收益率、稳定率），来预测后果。该模型常常被用来计算危险和不确定性。

咱们当初将应用蒙特卡洛模仿为咱们的资产组合生成一组预测收益，这将有助于咱们找出咱们投资的危险值。

咱们将首先通过导入所需的库和函数

#导入所有须要的库import matplotlib.pyplot as pltimport numpy as npimport pandas as pd

为了咱们我的项目的目标，我思考了过来两年的股票。

 for i in range(len):  web.get_data(tickers\[i\] stocks.tail()

下一步，咱们将计算每个资产的组合权重。能够通过实现最大夏普比率来计算资产权重。

#年化收益率historical_return(stocks)#投资组合的样本方差sample_cov#夏普比率EffFro(mu, Sigma, weight_bounds=(0,1)) #正数的权重界线容许做空股票max_sharpe() #能够应用减少指标来确保单个股票的最小零权重

资产权重将被用于计算投资组合的冀望收益。

#VaR计算rx2 = \[\]#换为最大夏普比率的资产权重list(sharpe.values())

当初，咱们将把投资组合的股票价格转换为累计收益，这也能够被视为本我的项目的持有期收益（HPR）。

   tick  = (tick  +1).cumprod()

#画出所有股票的累积/HPR的图形tick\[col\].plot()plt

当初，咱们将挑选出每个资产的最新HPR，并应用.dot()函数将收益率与计算出的资产权重相乘。

sigma = pre.std()price=price.dot(sh_wt) #计算加权值

在计算了投资组合的冀望收益和稳定率（冀望收益的标准差）后，咱们将设置并运行蒙特卡洛模仿。我应用的工夫是1440（一天中的分钟数），模仿运行20,000次。工夫步长能够依据要求扭转。我应用了一个95%的置信区间。

for j in range(20000): #20000次模仿运行(rtn/Time,sigma/ sqrt(Time),Time)plt(np.percentile(daily_returns,5)

1440分钟内一天的收益范畴 | 红色 - 最小损失 | 绿色 - 最小收益

将收益率的分布图可视化，咱们能够看到以下图表

plt.hist(returns)plt.show()

输入下限和上限的精确值，并假如咱们的投资组合价值为1000元，咱们将计算出应该保留的资金数额补救咱们的最低损失。

print(percentile( returns,5),percentile( returns,95)) VaR - 在5%的概率下，最小损失为5.7%，同样，在5%的概率下，收益能够高于15%

每天的最低损失是1.29%，概率为5%。

所得金额将标记着每天补救你的损失所需的金额。这个后果也能够解释为你的投资组合在5%的概率下将面临的最低损失。

下面的办法显示了咱们如何计算投资组合的危险价值（VaR）。对于应用古代投资组合实践（MPT）计算肯定数量的投资组合，有助于坚固你对投资组合分析和优化的了解。最初，VaR与蒙特卡洛模仿模型配合应用，也可用于通过股价预测损失和收益。这能够通过将产生的每日收益值与各自股票的最终价格相乘来实现。

最受欢迎的见解

1.R语言基于ARMA-GARCH-VaR模型拟合和预测实证钻研

2.R语言时变参数VAR随机模型

3.R语言预计时变VAR模型工夫序列的实证钻研

4.R语言基于ARMA-GARCH过程的VAR拟合和预测

5.GARCH（1,1），MA以及历史模拟法的VaR比拟

6.R语言用向量自回归（VAR）进行经济数据脉冲响应

7.R语言实现向量主动回归VAR模型

8.R语言随机搜寻变量抉择SSVS预计贝叶斯向量自回归（BVAR）模型

9.R语言VAR模型的不同类型的脉冲响应剖析