시작하기무료로 시작하기

CVaR와 위험 노출

CVaR는 최소 손실 임계값이 주어졌을 때의 기대 손실값입니다. 따라서 CVaR는 이미 위험 노출 형태로 표현되며, 분포 꼬리에서의 손실 확률에 손실 규모를 곱해 합(또는 적분)한 값입니다.

99% CVaR를 구하기 위해 먼저 t.fit() 메서드를 사용해 2008–2009년의 포트폴리오 crisis_losses 데이터에 T 분포를 적합합니다. 이때 반환되는 T 분포 모수 p는 .ppf() 메서드로 VaR를 구하는 데 사용됩니다.

다음으로 CVaR 계산에 사용할 99% VaR를 계산합니다.

마지막으로 이전 연습에서 정규분포의 CVaR를 계산할 때 사용했던 것과 같은 t.expect() 메서드를 이용해 99% CVaR를 계산합니다.

scipy.stats의 t 분포가 준비되어 있습니다.

이 연습은 강의의 일부입니다

Python을 활용한 정량적 리스크 관리

강의 보기

연습 안내

  • crisis_losses에 .fit() 메서드를 적용해 분포 모수 p를 찾으세요.
  • 적합된 모수 p와 t의 percent point function을 사용해 VaR_99를 계산하세요.
  • t.expect() 메서드와 적합된 모수 p로 CVaR_99를 계산하고 결과를 출력하세요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Fit the Student's t distribution to crisis losses
p = t.____(crisis_losses)

# Compute the VaR_99 for the fitted distribution
VaR_99 = t.____(____, *p)

# Use the fitted parameters and VaR_99 to compute CVaR_99
tail_loss = t.expect(____ y: y, args = (p[0],), loc = p[1], scale = p[2], lb = VaR_99 )
CVaR_99 = (1 / (1 - ____)) * tail_loss
print(CVaR_99)
코드 편집 및 실행