数据:data(因为VaR是负数,data是ngarch模型拟合出来的波动率,是正数,所以要加负号)
置信水平:99%
具体用法可以找官方的说明文档
2. PerformanceAnalytics库中有计算的函数
VaR(data,p=0.99,method="modified")
method有好几种,method = c("modified", "gaussian", "historical", "kernel")
概率水平为p(如95%)的VaR是负回报的p分位数,或等效地,是回报的c = 1−p分位数的负值。在一组有足够长的历史的回报中,每一时期的风险值只是该时期负回报的分位数。其中q.99是负回报系列的99%经验分位数。这种方法有时也被称为“历史VaR”,因为它的定义是对收益分布的事后分析,可以用method=“historical”来访问。
参数均值- var通过更精确地估计风险分位数分布尾部的形状,在解释分布尾部方面做得更好。最常见的估计是一个正常的(或高斯分布)R~N(μ,σ)返回系列。在这种情况下,VaR的估计需要均值收益Rˉ,收益分布和收益σ的方差。在最常见的情况下,参数变量是由
其中zc是标准正态分布的c分位数。在R中表示为qnorm(c),可以通过method="gaussian"访问。
具体用法看官方说明文档,227页开始
https://cran.rstudio.com/web/packages/PerformanceAnalytics/PerformanceAnalytics.pdf
学习笔记可以存一下http://www.doc88.com/p-9307125505894.html R语言计算VaR
https://max.book118.com/html/2019/0412/8036052103002016.shtm 量化金融R语言初级教程
https://cloud.tencent.com/developer/article/1059906 R语言实现GARCH模型https://wenku.baidu.com/view/a3a687c158f5f61fb7366657.html 风险价值VaR的稳健性检验


雷达卡



京公网安备 11010802022788号







