当てはめた分布からの VaR
CVaR を最小化するには、例えば 95% のような信頼水準で VaR を計算する必要があります。以前は、正規（ガウス）分布から分位点として VaR を求めましたが、より一般的に CVaR を最小化するには、データに最もよく「当てはまる」分布から分位点を計算する必要があります。
この演習では、2005〜2010 年の等ウェイトの投資銀行ポートフォリオの損失に当てはめた fitted の「損失分布」が用意されています。まず、その .evaluate() メソッドを使ってこの分布をプロットします（当てはめた分布の詳細は第 4 章で扱います）。
次に、fitted オブジェクトの .resample() メソッドを使って、当てはめた分布から 100,000 観測のランダムな sample を生成します。
最後に、ランダムな sample に対して np.quantile() を使い、95% VaR を計算します。
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
演習の手順
fittedの損失分布をプロットします。fittedの分布が正規分布とどのように異なるかに注目してください。fittedの.resample()メソッドを使って、当てはめた分布から 100,000 点のランダムなsampleを作成します。- ランダムな
sampleに対してnp.quantile()を使い、95% の VaR を求め、結果を表示します。
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。
# Visualize the fitted distribution with a plot
x = np.linspace(-0.25,0.25,1000)
plt.____(x,fitted.evaluate(x))
plt.show()
# Create a random sample of 100,000 observations from the fitted distribution
sample = fitted.____(____)
# Compute and display the 95% VaR from the random sample
VaR_95 = np.____(sample, ____)
print(VaR_95)