Aan de slagGa gratis aan de slag

GEV-risicoschatting

Stel dat je op 1 januari 2010 voor € 1.000.000 aan GE-aandelen aanhield. Je wilt de verwachte maximale verliezen dekken die in de komende week kunnen optreden, op basis van beschikbare gegevens uit de afgelopen twee jaar, 2008 - 2009. Je neemt aan dat de maximale wekelijkse verliezen voor GE verdeeld zijn volgens een Generalized Extreme Value (GEV)-verdeling.

Om verwachte verliezen te modelleren, schat je de CVaR op het 99%-betrouwbaarheidsniveau voor de GEV-verdeling en gebruik je die om te berekenen hoeveel reserve nodig is om het verwachte maximale wekelijkse verlies in januari 2010 te dekken.

De genextreme-verdeling uit scipy.stats is beschikbaar in je workspace, net als GE's losses voor de periode 2008 - 2009.

Deze oefening maakt deel uit van de cursus

Kwantitatief risicobeheer in Python

Cursus bekijken

Oefeninstructies

  • Vind de maxima van GE’s activaprijs voor een bloklengte van één week.
  • Pas de GEV-verdeling genextreme toe op de gegevens weekly_maxima.
  • Bereken de 99% VaR en gebruik die om de 99% CVaR-schatting te bepalen.
  • Bereken het reservebedrag dat nodig is om het verwachte maximale wekelijkse verlies te dekken.

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# 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)
Code bewerken en uitvoeren