or
Toto cvičení je součástí kurzu
Řízení rizik začíná pochopením vztahu mezi rizikem a výnosem. Zopakujeme si, jak spolu tyto pojmy souvisejí, identifikujeme rizikové faktory a s jejich pomocí se znovu setkáme s moderní teorií portfolia v kontextu globální finanční krize v letech 2007–2008.
Aktuální cvičení
Teď je čas rozšířit tvoji sadu nástrojů pro optimalizaci portfolia o míry rizika, jako jsou Value at Risk (VaR) a Conditional Value at Risk (CVaR). Využiješ k tomu specializované knihovny Pythonu, včetně pandas, scipy a pypfopt. Také se naučíš, jak snižovat rizikovou expozici pomocí Black-Scholesova modelu při zajišťování opčního portfolia.
V této kapitole se naučíš odhadovat míry rizika pomocí parametrické estimace a skutečných historických dat. Pak zjistíš, jak ti simulace Monte Carlo pomůže předvídat nejistotu. Nakonec pochopíš, jak globální finanční krize ukázala, že se mění samotná náhodnost – a to prostřednictvím strukturálních zlomů a metod jejich identifikace.
Čas prozkoumávat obecnější nástroje pro řízení rizik. Tyto pokročilé techniky jsou klíčové při snaze porozumět extrémním událostem – například ztrátám vzniklým během finanční krize – a složitým distribucím ztrát, které mohou vzdorovat tradičním metodám estimace. Zjistíš také, jak lze neuronové sítě využít k aproximaci distribucí ztrát a optimalizaci portfolia v reálném čase.