GEV जोखिम आकलन
मान लीजिए कि 1 जनवरी, 2010 को आपके पास GE के € 1,000,000 के शेयर थे. आप पिछले दो वर्षों, 2008 - 2009, के उपलब्ध डेटा के आधार पर अगले हफ्ते में होने वाली अपेक्षित अधिकतम हानियों को कवर करना चाहते हैं. आप मानते हैं कि GE की साप्ताहिक अधिकतम हानियाँ Generalized Extreme Value (GEV) डिस्ट्रीब्यूशन के अनुसार वितरित होती हैं.
अपेक्षित हानियों को मॉडल करने के लिए, आप GEV डिस्ट्रीब्यूशन के लिए 99% कॉन्फिडेंस स्तर पर CVaR का आकलन करेंगे, और जनवरी 2010 में अपेक्षित अधिकतम साप्ताहिक हानि को कवर करने हेतु आवश्यक रिज़र्व राशि की गणना में इसका उपयोग करेंगे.
scipy.stats से genextreme डिस्ट्रीब्यूशन आपके वर्कस्पेस में उपलब्ध है, और 2008 - 2009 अवधि के लिए GE के losses भी उपलब्ध हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Quantitative Risk Management
अभ्यास निर्देश
- GE की एसेट प्राइस के लिए एक सप्ताह की ब्लॉक लंबाई पर अधिकतम मान ढूँढें.
weekly_maximaडेटा पर GEV डिस्ट्रीब्यूशनgenextremeको फिट करें.- 99% VaR निकालें, और इसका उपयोग करके 99% CVaR का अनुमान पाएँ.
- अपेक्षित अधिकतम साप्ताहिक हानि को कवर करने के लिए आवश्यक रिज़र्व राशि की गणना करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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)