1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Kvantitativní řízení rizik v Pythonu
Connected

cvičení

Porovnání CVaR a VaR

Podmíněná hodnota v riziku (CVaR), neboli očekávaný schodek (ES), odpovídá na otázku, jaká bude průměrná ztráta za podmínky, že ztráty překročí určitou hranici při dané hladině spolehlivosti. Vychází z VaR, ale přináší více informací, protože zohledňuje ocas rozdělení ztrát.

Nejprve vypočítáš 95% VaR pro normální rozdělení portfoliových ztrát se stejným průměrem a směrodatnou odchylkou jako mají portfolio_losses investičních bank za období 2005–2010. Poté VaR využiješ k výpočtu 95% CVaR a oba ukazatele zobrazíš v grafu normálního rozdělení.

portfolio_losses máš k dispozici v pracovním prostředí, stejně jako norm – normální rozdělení z knihovny scipy.stats.

Pokyny

100 XP
  • Vypočítej průměr a směrodatnou odchylku portfolio_losses a přiřaď je do proměnných pm a ps.
  • Najdi 95% VaR pomocí metody .ppf() objektu norm – ta přijímá argumenty loc pro průměr a scale pro směrodatnou odchylku.
  • Pomocí 95% VaR a metody .expect() objektu norm zjisti tail_loss a na jejím základě vypočítej CVaR při stejné hladině spolehlivosti.
  • Do histogramu normálního rozdělení přidej svislé čáry znázorňující VaR (červeně) a CVaR (zeleně).