利用R语言解决如下问题，写出大致代码。考虑持有价值100万美元的苹果公司股票的多头，为了评估该头寸的风险，应用从2001年1月2日至2011年9月30日的苹果公司股票日对数收益率，此数据可以从文件d aap1 0111. txt中得到.设尾概率p=0.01.考虑头寸和数据，回答下列问题: (a)应用传统极值理论，其中子区间长度分别取n=21和42，计算μ、σ和ξ的估计值. (b)利用上述估计值，计算下一个交易日和接下来10个交易日的VaR0.95和VaR0.99..

(a) 传统极值理论的估计值计算如下：

# 读取数据
data <- read.table("d aapl 0111.txt")
log_returns <- diff(log(data$V2)) # 计算对数收益率
n <- c(21, 42) # 子区间长度

# 估计参数
for (i in 1:length(n)) {
  k <- floor(length(log_returns) / n[i])
  r <- length(log_returns) - k * n[i]
  x <- matrix(log_returns[1:r], ncol = n[i])
  for (j in 1:k) {
    x <- rbind(x, log_returns[(r+1)+(j-1)*n[i]:(r+j)*n[i]])
  }
  mu <- apply(x, 2, mean)
  sigma <- apply(x, 2, sd)
  xi <- apply(x, 2, function(y) { 1/n[i] * sum((y - mu)/sigma)^3 })
  cat(sprintf("n = %d:\n", n[i]))
  cat(sprintf("mu = %f\n", mu))
  cat(sprintf("sigma = %f\n", sigma))
  cat(sprintf("xi = %f\n\n", xi))
}

(b) 利用上述估计值，计算VaR的代码如下：

# 计算VaR
p <- c(0.01, 0.05)
days <- c(1, 10)
for (i in 1:length(p)) {
  for (j in 1:length(days)) {
    z <- qnorm(p[i])
    var <- z * sigma * sqrt(days[j]) - (z^2 - 1)/6 * xi * sigma^3 * days[j] # 极值法
    cat(sprintf("p = %f, days = %d:\n", p[i], days[j]))
    cat(sprintf("VaR0.95 = %f\n", 1000000 * var[1]))
    cat(sprintf("VaR0.99 = %f\n\n", 1000000 * var[2]))
  }
}