原文鏈接：http://tecdat.cn/?p=22862?

原文出處：拓端數(shù)據(jù)部落公眾號

如何使用Python通過蒙特卡洛模擬自動計算風(fēng)險值（VaR）來管理投資組合或股票的金融風(fēng)險。

金融和投資組合風(fēng)險管理中的VaR？

VaR是 "風(fēng)險價值 "的縮寫，是許多公司和銀行用來確定其公司內(nèi)部金融風(fēng)險水平的工具。風(fēng)險值是為公司的投資而計算的，也可能是為檢查銀行或公司所管理的投資組合的風(fēng)險水平。

該計算可以被認(rèn)為是一種統(tǒng)計方法。它也可以簡化為以下語句 ?

風(fēng)險值是在一定的概率水平（置信區(qū)間）下將產(chǎn)生的最小損失或在一定的概率水平下將實現(xiàn)的最大損失。

上圖顯示了一個公司在α%的置信水平下可能面臨的最大損失。在個人層面上，VaR可以幫助你預(yù)測或分析你的投資組合可能面臨的最大損失。

蒙特卡洛模擬

蒙特卡洛模型是Stanislaw Ulam和John Neumann的心血結(jié)晶，他們在第二次世界大戰(zhàn)后開發(fā)了這個模型。該模型是以摩納哥的一個賭博城市命名的，這是因為賭博中存在機(jī)會和隨機(jī)性。

蒙特卡洛模擬是一個概率模型，它使用產(chǎn)生的隨機(jī)變量與經(jīng)濟(jì)因素（期望收益率、波動率），來預(yù)測結(jié)果。該模型經(jīng)常被用來計算風(fēng)險和不確定性。

我們現(xiàn)在將使用蒙特卡洛模擬為我們的資產(chǎn)組合生成一組預(yù)測收益，這將有助于我們找出我們投資的風(fēng)險值。

在Python中計算VaR

我們將首先通過導(dǎo)入所需的庫和函數(shù)

1. #導(dǎo)入所有需要的庫

2. import matplotlib.pyplot as plt

3. import numpy as np

4. import pandas as pd

為了我們項目的目的，我考慮了過去兩年的 股票。

1. 


2. for i in range(len): ?web.get_data(tickers[i]

3. stocks.tail()

?

下一步，我們將計算每個資產(chǎn)的組合權(quán)重?？梢酝ㄟ^實現(xiàn)最大夏普比率來計算資產(chǎn)權(quán)重。

1. #年化收益率

2. historical_return(stocks)

3. #投資組合的樣本方差

4. sample_cov#夏普比率

5. EffFro(mu, Sigma, weight_bounds=(0,1)) #負(fù)數(shù)的權(quán)重界限允許做空股票

6. max_sharpe() #可以使用增加目標(biāo)來確保單個股票的最小零權(quán)重

最大夏普比率的資產(chǎn)權(quán)重

資產(chǎn)權(quán)重將被用于計算投資組合的期望收益。

1. #VaR計算

2. rx2 = []#換為最大夏普比率的資產(chǎn)權(quán)重

3. list(sharpe.values())

現(xiàn)在，我們將把投資組合的股票價格轉(zhuǎn)換為累計收益，這也可以被視為本項目的持有期收益（HPR）。

? tick ?= (tick ?+1).cumprod()

1. #畫出所有股票的累積/HPR的圖形

2. tick[col].plot()plt

現(xiàn)在，我們將挑選出每個資產(chǎn)的最新HPR，并使用.dot()函數(shù)將收益率與計算出的資產(chǎn)權(quán)重相乘。

1. sigma = pre.std()

2. price=price.dot(sh_wt) #計算加權(quán)值

在計算了投資組合的期望收益和波動率（期望收益的標(biāo)準(zhǔn)差）后，我們將設(shè)置并運行蒙特卡洛模擬。我使用的時間是1440（一天中的分鐘數(shù)），模擬運行20,000次。時間步長可以根據(jù)要求改變。我使用了一個95%的置信區(qū)間。

1. for j in range(20000): #20000次模擬運行(rtn/Time,sigma/ sqrt(Time),Time)

2. plt(np.percentile(daily_returns,5)

1440分鐘內(nèi)一天的收益范圍 | 紅色 - 最小損失 | 綠色 - 最小收益

將收益率的分布圖可視化，我們可以看到以下圖表

1. plt.hist(returns)

2. plt.show()

輸出上限和下限的準(zhǔn)確值，并假設(shè)我們的投資組合價值為1000元，我們將計算出應(yīng)該保留的資金數(shù)額彌補(bǔ)我們的最低損失。

print(percentile( returns,5),percentile( returns,95)) VaR - 在5%的概率下，最小損失為5.7%，同樣，在5%的概率下，收益可以高于15%

每天的最低損失是1.29%，概率為5%。

所得金額將標(biāo)志著每天彌補(bǔ)你的損失所需的金額。這個結(jié)果也可以解釋為你的投資組合在5%的概率下將面臨的最低損失。

總結(jié)

上面的方法顯示了我們?nèi)绾斡嬎阃顿Y組合的風(fēng)險價值（VaR）。對于使用現(xiàn)代投資組合理論（MPT）計算一定數(shù)量的投資組合，有助于鞏固你對投資組合分析和優(yōu)化的理解。最后，VaR與蒙特卡洛模擬模型配合使用，也可用于通過股價預(yù)測損失和收益。這可以通過將產(chǎn)生的每日收益值與各自股票的最終價格相乘來實現(xiàn)。

最受歡迎的見解

1.R語言基于ARMA-GARCH-VaR模型擬合和預(yù)測實證研究

2.R語言時變參數(shù)VAR隨機(jī)模型

3.R語言估計時變VAR模型時間序列的實證研究

4.R語言基于ARMA-GARCH過程的VAR擬合和預(yù)測

5.GARCH（1,1），MA以及歷史模擬法的VaR比較

6.R語言用向量自回歸（VAR）進(jìn)行經(jīng)濟(jì)數(shù)據(jù)脈沖響應(yīng)

7.R語言實現(xiàn)向量自動回歸VAR模型

8.R語言隨機(jī)搜索變量選擇SSVS估計貝葉斯向量自回歸（BVAR）模型

9.R語言VAR模型的不同類型的脈沖響應(yīng)分析