始める無料で始める

GEV によるリスク推定

2010年1月1日に GE 株を € 1,000,000 保有していたとします。2008〜2009年の過去2年分のデータに基づき、翌週に起こり得る「期待」最大損失をカバーしたいと考えています。GE の週次最大損失は一般化極値分布（GEV）に従うと仮定します。

期待損失をモデル化するため、GEV 分布に対して信頼水準 99% の CVaR を推定し、それを用いて 2010年1月における週次の期待最大損失をカバーするために必要な積立金額を計算します。

ワークスペースには scipy.stats の genextreme 分布と、2008〜2009年期間の GE の losses が用意されています。

この演習はコースの一部です

Pythonで学ぶ定量的リスク管理

コースを見る

演習の手順

  • GE の資産価格について、ブロック長1週間での最大値を求めます。
  • GEV 分布 genextreme を weekly_maxima データに当てはめます。
  • 99% VaR を計算し、それを用いて 99% CVaR の推定値を求めます。
  • 期待される週次最大損失をカバーするために必要な積立金額を計算します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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)
コードを編集して実行