Začněte nyníZačněte zdarma

VaR a riziková expozice

V předchozím cvičení jsi počítal/a VaR a CVaR za předpokladu normálního rozdělení ztrát. Tentokrát zjistíš VaR pomocí jiného běžně používaného rozdělení ztrát – Studentova t-rozdělení (zkráceně T) z knihovny scipy.stats.

Spočítáš pole hodnot 99% VaR z rozdělení T (s 30 - 1 = 29 stupni volnosti), a to pomocí 30denních klouzavých oken z portfoliových losses investiční banky.

Nejprve zjistíš průměr a směrodatnou odchylku každého okna a vytvoříš seznam rolling_parameters. Ten pak použiješ k výpočtu pole hodnot 99% VaR.

Nakonec toto pole využiješ k vykreslení rizikové expozice portfolia s počáteční hodnotou 100 000 $. Připomeň si, že riziková expozice je pravděpodobnost ztráty (zde 1 %) vynásobená výší ztráty (odpovídající hodnotě 99% VaR).

Toto cvičení je součástí kurzu

Kvantitativní řízení rizik v Pythonu

Zobrazit kurz

Pokyny k cvičení

  • Importuj Studentovo t-rozdělení z scipy.stats.
  • Z losses vypočítej vektory průměru mu a směrodatné odchylky sigma pro 30denní okna a ulož je do rolling_parameters.
  • Pomocí t.ppf() vypočítej Numpy pole hodnot 99% VaR VaR_99, přičemž využij seznam rozdělení T sestavený z prvků rolling_parameters.
  • Vypočítej a vizualizuj rizikovou expozici spojenou s polem VaR_99.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import the Student's t-distribution
from scipy.____ import t

# Create rolling window parameter list
mu = losses.rolling(30).____
sigma = losses.rolling(30).____
rolling_parameters = [(29, mu[i], s) for i,s in enumerate(sigma)]

# Compute the 99% VaR array using the rolling window parameters
VaR_99 = np.array( [ t.ppf(____, *params) 
                    for params in ____ ] )

# Plot the minimum risk exposure over the 2005-2010 time period
plt.plot(losses.index, 0.01 * ____ * 100000)
plt.show()
Upravit a spustit kód