ComenzarEmpieza gratis

CVaR y exposición al riesgo

Recuerda que el CVaR es el valor esperado de pérdida dado un umbral mínimo de pérdida. Así que el CVaR ya tiene forma de exposición al riesgo: es la suma (o integral) de la probabilidad de pérdida en la cola de la distribución multiplicada por el importe de la pérdida.

Para obtener el CVaR del 99 %, primero debes ajustar una distribución T a los datos disponibles del portafolio crisis_losses de 2008-2009 utilizando el método t.fit(). Esto devuelve los parámetros de la distribución T p utilizados para hallar el VaR con el método .ppf().

A continuación, calcularás el VaR del 99 %, ya que se utiliza para hallar el CVaR.

Por último, calcularás la medida del CVaR del 99 % utilizando el método t.expect(), que es el mismo método que utilizaste para calcular el CVaR para la distribución normal en un ejercicio anterior.

También está disponible la distribución t de scipy.stats.

Este ejercicio forma parte del curso

Gestión cuantitativa de riesgos en Python

Ver curso

Instrucciones del ejercicio

  • Halla los parámetros de la distribución p utilizando el método .fit() aplicado a crisis_losses.
  • Calcula VaR_99 utilizando los parámetros ajustados p y la función de punto porcentual de t.
  • Calcula CVaR_99 utilizando el método t.expect() y los parámetros ajustados p, y muestra el resultado.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# Fit the Student's t distribution to crisis losses
p = t.____(crisis_losses)

# Compute the VaR_99 for the fitted distribution
VaR_99 = t.____(____, *p)

# Use the fitted parameters and VaR_99 to compute CVaR_99
tail_loss = t.expect(____ y: y, args = (p[0],), loc = p[1], scale = p[2], lb = VaR_99 )
CVaR_99 = (1 / (1 - ____)) * tail_loss
print(CVaR_99)
Editar y ejecutar código