Stima del rischio con GEV
Supponi di detenere 1.000.000 € di azioni GE al 1° gennaio 2010. Vuoi coprire le perdite massime attese che potrebbero verificarsi nella settimana successiva, basandoti sui dati disponibili dei due anni precedenti, 2008 - 2009. Assumi che le perdite massime settimanali per GE siano distribuite secondo una distribuzione Generalized Extreme Value (GEV).
Per modellare le perdite attese, stimerai la CVaR al livello di confidenza del 99% per la distribuzione GEV e la userai per calcolare l’importo da tenere a riserva per coprire la perdita massima settimanale attesa nel gennaio 2010.
La distribuzione genextreme di scipy.stats è disponibile nel tuo workspace, così come losses di GE per il periodo 2008 - 2009.
Questo esercizio fa parte del corso
Gestione quantitativa del rischio in Python
Istruzioni dell'esercizio
- Trova i massimi del prezzo dell’asset di GE con una finestra di una settimana.
- Adatta la distribuzione GEV
genextremeai datiweekly_maxima. - Calcola il VaR al 99% e usalo per trovare la stima della CVaR al 99%.
- Calcola l’importo di riserva necessario per coprire la perdita massima settimanale attesa.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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)