적합 분포에서 VaR 계산
CVaR를 최소화하려면 예를 들어 95%와 같은 신뢰수준에서 VaR를 계산해야 해요. 앞에서는 정규(Normal 또는 Gaussian) 분포의 분위수로 VaR를 구했지만, CVaR 최소화를 일반적으로 적용하려면 데이터에 가장 잘 적합하는 분포에서 분위수를 계산해야 합니다.
이 연습에서는 2005–2010년 동등 가중 투자은행 포트폴리오의 손실에 적합한 fitted 손실 분포가 제공돼요. 먼저 .evaluate() 메서드를 사용해 이 분포를 그려 볼 거예요(적합 분포는 4장에 더 자세히 나와요).
다음으로 fitted 객체의 .resample() 메서드를 사용해 적합 분포로부터 100,000개의 임의 관측치로 이루어진 sample을 추출해요.
마지막으로, 임의 sample에 대해 np.quantile()을 사용해 95% VaR를 계산합니다.
이 연습은 강의의 일부입니다
Python을 활용한 정량적 리스크 관리
연습 안내
fitted손실 분포를 그려 보세요.fitted분포가 정규분포와 어떻게 다른지 확인해 보세요.fitted의.resample()메서드를 사용해 적합 분포에서 무작위 추출한 100,000개의sample을 만드세요.np.quantile()을 사용해 임의sample에서 95% VaR를 구하고, 결과를 표시하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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)