Začněte nyníZačněte zdarma

VaR z odhadnutého rozdělení

Minimalizace CVaR vyžaduje výpočet VaR na určité hladině spolehlivosti, například 95 %. Dříve jsi odvodil/a VaR jako kvantil normálního (Gaussova) rozdělení, ale minimalizace CVaR obecně vyžaduje výpočet kvantilu z rozdělení, které nejlépe odpovídá datům.

V tomto cvičení je připraveno rozdělení ztrát fitted, které popisuje ztráty rovnoměrně váženého portfolia investičních bank v letech 2005–2010. Nejprve toto rozdělení vykreslíš pomocí jeho metody .evaluate() (odhadnutá rozdělení budou podrobněji popsána v kapitole 4).

Poté použiješ metodu .resample() objektu fitted k náhodnému výběru sample o 100 000 pozorováních z odhadnutého rozdělení.

Nakonec pomocí np.quantile() aplikovaného na náhodný sample vypočítáš 95% VaR.

Toto cvičení je součástí kurzu

Kvantitativní řízení rizik v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Vykresli rozdělení ztrát fitted. Všimni si, jak se toto rozdělení liší od normálního rozdělení.
  • Pomocí metody .resample() objektu fitted vytvoř sample o 100 000 náhodných hodnotách z odhadnutého rozdělení.
  • Pomocí np.quantile() zjisti 95% VaR z náhodného sample a zobraz výsledek.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Visualize the fitted distribution with a plot
x = np.linspace(-0.25,0.25,1000)
plt.____(x,fitted.evaluate(x))
plt.show()

# Create a random sample of 100,000 observations from the fitted distribution
sample = fitted.____(____)

# Compute and display the 95% VaR from the random sample
VaR_95 = np.____(sample, ____)
print(VaR_95)
Upravit a spustit kód