El cálculo de la cartera VaR (personalizado) productos apalancados

Question

He estado buscando en línea para un par de días respecto a cómo calcular la cartera VaR de un portafolio que consiste en productos apalancados, pero hasta ahora, no he sido capaz de llegar con algo remotamente útil y práctica (es decir, para que yo pueda implementar en una hoja de cálculo, por ejemplo).

Yo soy el comercio personalizada de productos apalancados, y mi PnL movimientos se basan en los siguientes dos criterios:

1. El engranaje con la correspondiente a un punto en movimiento en el mercado (En el punto en el que se crea la transacción, que me da a elegir el engranaje - por ejemplo, puedo elegir riesgo 100 centavos por cada punto de moverse en el mercado subyacente).

2. El margen de engranajes que se refiere a la cantidad de margen el corredor requiere con el fin de establecer una posición (en realidad esto puede ser irrelevante en el cálculo de riesgos, como de los márgenes que parece ser ignorado en los futuros VaR cálculo).

Mis preguntas son:

1. ¿Cómo puedo construir un modelo VaR que toma en cuenta el hecho de que cada comercio (es decir, la transacción) puede tener diferentes engranajes?

2. ¿Cuáles serían los pasos necesarios para crear un sencillo modelo en Excel para que me ayude a calcular el VaR para mi cartera?

Answer 1

Primero de todo, se necesita un modelo para generar beneficios en el futuro, supongo que ya lo tienen.

Ya que es sólo un modelo, habrá una pérdida de componente en las predicciones realizadas para cada período $t$ y para cada activo i$$. Deje que $\varepsilon_{t, i}$ denotar esta azar innovación y $\mathrm{E}[r_{t, i}] = f(\varepsilon_{t, i})$ el esperado retorno de los activos como una función de la innovación. En un Monte Carlo usted pseudo-aleatoriamente generar las innovaciones, aplicar $f$ para obtener una muestra aleatoria a partir de su regreso de distribución, en pseudo-código, por un período de:

r = zeros(1, N)
for i=1:N
    eps = draw_from_distribution()
    r(i) = f(eps)
end

con N el número de simulaciones. Todo esto es lo que hay, para encontrar el 5% VaR acaba de tomar el cuantil 5% de la r.

Una ventaja de la simulación de Monte Carlo es que es fácil tomar una ventaja de retorno de un modelo de alta frecuencia y aplicarlo a un VaR de una frecuencia más baja. En el caso de que usted repita el código anterior para cada periodo y calcular la rentabilidad acumulada desde el período de devoluciones.

Hay un número de maneras de hacer una draw_from_distribution. Usted puede simplemente utilizar una distribución como la normal o la t-student o realizar Filtrados Simulación Histórica.