MulaiMulai sekarang secara gratis

Estimasi parameter: Skewed Normal

Pada latihan sebelumnya, Anda menemukan bahwa pemodelan distribusi Normal terhadap data portofolio bank investasi tahun 2005–2010 menghasilkan kecocokan yang buruk menurut uji Anderson–Darling.

Anda akan menguji data menggunakan fungsi skewtest() dari scipy.stats. Jika hasil uji berbeda secara statistik dari nol, maka data mendukung distribusi yang miring (skewed).

Sekarang Anda akan mengestimasi secara parametrik VaR 95% dari distribusi rugi yang dipasangkan menggunakan distribusi skewed Normal skewnorm dari scipy.stats. Ini adalah distribusi yang lebih umum daripada Normal dan memungkinkan rugi terdistribusi tidak simetris. Kita bisa menduga rugi menjadi miring selama krisis, ketika kerugian portofolio lebih mungkin terjadi dibandingkan keuntungan.

Portofolio losses untuk periode 2007–2009 tersedia.

Latihan ini adalah bagian dari kursus

Manajemen Risiko Kuantitatif dengan Python

Lihat Kursus

Petunjuk latihan

  • Impor skewnorm dan skewtest dari scipy.stats.
  • Uji kemencengan (skewness) pada losses portofolio menggunakan skewtest. Uji mengindikasikan kemencengan jika hasilnya berbeda secara statistik dari nol.
  • Pasangkan data losses ke distribusi skewed Normal menggunakan metode .fit().
  • Hasilkan dan tampilkan estimasi VaR 95% dari distribusi yang telah dipasangkan.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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)
Edit dan Jalankan Kode