1. Learn
    2. /
  2. Courses
    3. /
  3. Kvantitativní řízení rizik v Pythonu
Connected

Exercise

CVaR a výběr krytí ztrát

V předchozích cvičeních jsi viděl/a, že distribuce T i Gaussovo KDE celkem dobře popisují ztráty portfolia v období krize. Která z nich je ale lepší volbou pro řízení rizik? Jednou z možností je vybrat tu distribuci, která poskytuje největší krytí ztrát – tedy pokrytí „nejhoršího možného scénáře".

Distribuce t a kde jsou k dispozici a byly napasovány na ztráty portfolia losses z let 2007–2008 (parametry napasované distribuce t jsou uloženy v p). Odvoď jednodenní odhad 99% CVaR pro každou distribuci; největší odhad CVaR pak představuje „nejbezpečnější" výši rezervy, která pokrývá očekávané ztráty přesahující 99% VaR.

Instance kde má pro toto cvičení speciálně přidanou metodu .expect(), pomocí níž vypočítáš potřebnou střední hodnotu pro CVaR.

Instructions

100 XP
  • Zjisti 99% VaR pomocí funkce np.quantile() aplikované na náhodné vzorky z distribucí t a kde.
  • Vypočítej integrál potřebný pro odhady CVaR pomocí metody .expect() pro každou distribuci.
  • Zjisti a zobraz odhady 99% CVaR pro obě distribuce.