MulaiMulai sekarang secara gratis

CVaR dan eksposur risiko

Ingat bahwa CVaR adalah nilai harapan dari kerugian dengan syarat terdapat ambang kerugian minimum. Jadi CVaR sudah berbentuk eksposur risiko—yaitu jumlah (atau integral) dari probabilitas kerugian pada ekor distribusi yang dikalikan dengan besar kerugian.

Untuk menurunkan CVaR 99%, pertama Anda akan mencocokkan distribusi T terhadap data portofolio crisis_losses yang tersedia dari tahun 2008–2009 menggunakan metode t.fit(). Ini akan mengembalikan parameter distribusi T p yang digunakan untuk menemukan VaR dengan metode .ppf().

Berikutnya Anda akan menghitung VaR 99%, karena nilai ini digunakan untuk menemukan CVaR.

Terakhir Anda akan menghitung ukuran CVaR 99% menggunakan metode t.expect(), yaitu metode yang sama yang Anda gunakan untuk menghitung CVaR untuk distribusi Normal pada latihan sebelumnya.

Distribusi t dari scipy.stats juga tersedia.

Latihan ini adalah bagian dari kursus

Manajemen Risiko Kuantitatif dengan Python

Lihat Kursus

Petunjuk latihan

  • Temukan parameter distribusi p menggunakan metode .fit() yang diterapkan pada crisis_losses.
  • Hitung VaR_99 menggunakan parameter hasil pencocokan p dan percent point function dari t.
  • Hitung CVaR_99 menggunakan metode t.expect() dan parameter hasil pencocokan p, lalu tampilkan hasilnya.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# 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)
Edit dan Jalankan Kode