시작하기무료로 시작하기

모수 추정: Skewed Normal

이전 연습 문제에서 2005~2010년 투자은행 포트폴리오 데이터에 정규분포를 적합했을 때 Anderson–Darling 검정 기준으로는 적합도가 낮다는 것을 확인했어요.

이번에는 scipy.stats의 skewtest() 함수를 사용해 데이터를 검정해 보겠습니다. 검정 결과가 통계적으로 0과 다르면, 데이터는 비대칭(왜도)을 지지한다고 볼 수 있어요.

이제 scipy.stats의 skewnorm skewed Normal 분포를 사용해 손실 분포를 모수적으로 적합하고 95% VaR을 추정해 보겠습니다. 이 분포는 정규분포보다 더 일반적이며, 손실이 대칭이 아닐 수도 있도록 허용합니다. 특히 위기 상황에서는 손실이 이익보다 발생할 가능성이 커서 분포가 왜도를 보일 수 있다고 예상할 수 있어요.

2007~2009년 기간의 포트폴리오 losses 가 제공되어 있어요.

이 연습은 강의의 일부입니다

Python을 활용한 정량적 리스크 관리

강의 보기

연습 안내

  • scipy.stats에서 skewnorm과 skewtest를 임포트하세요.
  • skewtest로 포트폴리오 losses 의 왜도를 검정하세요. 결과가 통계적으로 0과 다르면 왜도가 있다고 해석합니다.
  • .fit() 메서드를 사용해 losses 데이터를 Skewed Normal 분포에 적합하세요.
  • 적합된 분포에서 95% VaR 추정치를 생성해 출력하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# 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)
코드 편집 및 실행