Začněte nyníZačněte zdarma

Extrémní hodnoty a backtesting

Extrémní hodnoty jsou takové, které překračují stanovenou hranici, a slouží k ověření, zda míry rizika jako VaR přesně odrážejí riziko ztráty.

Prozkoumáš extrémní hodnoty tak, že vypočítáš 95% VaR pro rovnoměrně vážené portfolio investičních bank za roky 2009–2010 (což odpovídá historické simulaci pro data od roku 2010) a pak provedeš backtesting na datech z let 2007–2008.

Ztráty portfolia za roky 2009–2010 jsou dostupné v estimate_data – z nich vypočítáš odhad 95% VaR. Poté najdi extrémní hodnoty překračující tento odhad VaR ve ztrátách portfolia za roky 2007–2008 uložených v backtest_data.

Porovnej relativní frekvenci extrémních hodnot s 95% VaR a nakonec extrémní hodnoty vizualizuj pomocí stem plotu.

Toto cvičení je součástí kurzu

Kvantitativní řízení rizik v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Vypočítej 95% VaR na estimate_data pomocí np.quantile().
  • Najdi extreme_values z backtest_data s využitím VaR_95 jako hranice ztráty.
  • Porovnej relativní frekvenci extreme_values s odhadem VaR_95. Jsou stejné?
  • Zobraz stem plot extreme_values a sleduj, jak se velké odchylky shlukují v období krize.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Compute the 95% VaR on 2009-2010 losses
VaR_95 = ____.____(estimate_data, 0.95)

# Find backtest_data exceeding the 95% VaR
extreme_values = backtest_data[____ > VaR_95]

# Compare the fraction of extreme values for 2007-2008 to the Var_95 estimate
print("VaR_95: ", VaR_95, "; Backtest: ", len(____) / len(backtest_data) )

# Plot the extreme values and look for clustering
plt.stem(extreme_values.index, ____)
plt.ylabel("Extreme values > VaR_95"); plt.xlabel("Date")
plt.show()
Upravit a spustit kód