पैरामीटर एस्टिमेशन: Skewed Normal
पिछले अभ्यास में आपने देखा कि 2005 - 2010 की इन्वेस्टमेंट बैंक पोर्टफोलियो डेटा पर Normal डिस्ट्रीब्यूशन फिट करने से Anderson-Darling टेस्ट के अनुसार खराब फिट मिला.
आप scipy.stats के skewtest() फंक्शन से डेटा को टेस्ट करेंगे. अगर टेस्ट का परिणाम सांख्यिकीय रूप से शून्य से अलग हो, तो डेटा skewed डिस्ट्रीब्यूशन का समर्थन करता है.
अब आप scipy.stats की skewnorm यानी skewed Normal डिस्ट्रीब्यूशन का उपयोग करके loss डिस्ट्रीब्यूशन परामित रूप से फिट करेंगे और 95% VaR का अनुमान लगाएंगे. यह Normal से अधिक सामान्य (लचीली) डिस्ट्रीब्यूशन है और non-symmetric losses को अनुमति देती है. संकट के दौरान, जब पोर्टफोलियो में लाभ की तुलना में नुकसान की संभावना अधिक थी, तो हमें losses के skewed होने की उम्मीद हो सकती है.
2007 - 2009 अवधि के लिए पोर्टफोलियो losses उपलब्ध हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Quantitative Risk Management
अभ्यास निर्देश
scipy.statsसेskewnormऔरskewtestइम्पोर्ट करें.- पोर्टफोलियो
lossesमें skewness के लिएskewtestका उपयोग करके टेस्ट करें. यदि परिणाम सांख्यिकीय रूप से शून्य से अलग हो, तो skewness इंगित होती है. .fit()मेथड का उपयोग करकेlossesडेटा को skewed Normal डिस्ट्रीब्यूशन पर फिट करें.- फिटेड डिस्ट्रीब्यूशन से 95% VaR का अनुमान निकालें और दिखाएँ.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import the skew-normal distribution and skewness test from scipy.stats
from scipy.stats import skewnorm, skewtest
# Test the data for skewness
print("Skewtest result: ", ____(____))
# Fit the portfolio loss data to the skew-normal distribution
params = ____.____(losses)
# Compute the 95% VaR from the fitted distribution, using parameter estimates
VaR_95 = ____.____(0.95, *params)
print("VaR_95 from skew-normal: ", VaR_95)