1. Apprendre
    2. /
  2. Cours
    3. /
  3. Gestion quantitative des risques en Python
Connected

Exercice

CVaR et exposition au risque

Rappelez-vous que le CVaR est la valeur espérée de la perte étant donné un seuil minimal de perte. Le CVaR est donc déjà une mesure d'exposition au risque : c'est la somme (ou l'intégrale) de la probabilité de perte dans la queue de la distribution, multipliée par le montant de la perte.

Pour obtenir le CVaR à 99 %, vous allez d'abord ajuster une distribution de Student (T) aux données de portefeuille crisis_losses de 2008–2009 à l'aide de t.fit(). Cette méthode retourne les paramètres p de la distribution de Student utilisés pour trouver la VaR avec .ppf().

Ensuite, vous calculerez la VaR à 99 %, puisqu'elle sert à déterminer le CVaR.

Enfin, vous calculerez la mesure de CVaR à 99 % à l'aide de t.expect(), la même méthode que vous avez utilisée pour calculer le CVaR pour la distribution normale dans un exercice précédent.

La distribution t de scipy.stats est aussi disponible.

Instructions

100 XP
  • Trouvez les paramètres de la distribution p en appliquant .fit() à crisis_losses.
  • Calculez VaR_99 en utilisant les paramètres ajustés p et la « percent point function » de t.
  • Calculez CVaR_99 avec la méthode t.expect() et les paramètres ajustés p, puis affichez le résultat.