ComenzarEmpieza gratis

Estimación del riesgo GEV

Supongamos que tenías 1 000 000 € en acciones de GE el 1 de enero de 2010. Te gustaría cubrir las pérdidas máximas esperadas que podrían producirse durante la semana siguiente, tomando como base los datos disponibles de los dos años anteriores, 2008-2009. Supones que las pérdidas máximas semanales de GE se distribuyen según una distribución de valores extremos generalizada (GEV).

Para modelar las pérdidas esperadas, estimarás el CVaR en el nivel de confianza del 99 % para la distribución GEV, y lo utilizarás para calcular la cantidad necesaria en reserva para cubrir la pérdida máxima semanal esperada durante enero de 2010.

La distribución genextreme de scipy.stats está disponible en tu espacio de trabajo, igual que losses de GE para el periodo 2008-2009.

Este ejercicio forma parte del curso

Gestión cuantitativa de riesgos en Python

Ver curso

Instrucciones del ejercicio

  • Halla el máximo del precio del activo de GE con longitud de bloque de una semana.
  • Ajusta la distribución GEV genextreme a los datos de weekly_maxima.
  • Calcula el VaR del 99 % y utilízalo para hallar la estimación del CVaR del 99 %.
  • Calcula la cantidad de reserva necesaria para cubrir la pérdida máxima semanal esperada.

Ejercicio interactivo práctico

Prueba este ejercicio completando el código de muestra.

# Compute the weekly block maxima for GE's stock
weekly_maxima = losses.____("W").____()

# Fit the GEV distribution to the maxima
p = genextreme.____(____)

# Compute the 99% VaR (needed for the CVaR computation)
VaR_99 = genextreme.____(____, *p)

# Compute the 99% CVaR estimate
CVaR_99 = (1 / (1 - 0.99)) * genextreme.____(lambda x: x, 
           args=(p[0],), loc = p[1], scale = p[2], lb = ____)

# Display the covering loss amount
print("Reserve amount: ", 1000000 * CVaR_99)
Editar y ejecutar código