Teoria wartości ekstremalnych

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

To ćwiczenie jest częścią kursu

Ilościowe zarządzanie ryzykiem w Pythonie

SkillTag.level.advancedSkillTag.label

4.8+

223 reviews

Rozpocznij kurs za darmo

Zarządzanie ryzykiem zaczyna się od zrozumienia relacji między ryzykiem a zwrotem. Przypomnisz sobie, jak te dwa pojęcia są ze sobą powiązane, zidentyfikujesz czynniki ryzyka i wykorzystasz je do ponownego zapoznania się z Nowoczesną Teorią Portfela w kontekście globalnego kryzysu finansowego z lat 2007–2008.

Exercise 1: Witaj!Exercise 2: Zwroty portfela w trakcie kryzysu Exercise 3: Kowariancja aktywów i zmienność portfela Exercise 4: Czynniki ryzyka a kryzys finansowy Exercise 5: Wprowadzenie do próbkowania częstotliwości Exercise 6: Wizualizacja korelacji czynników ryzyka Exercise 7: Model czynnikowy metodą najmniejszych kwadratów Exercise 8: Nowoczesna teoria portfela Exercise 9: Ćwiczenie z PyPortfolioOpt: zwroty Exercise 10: Ćwiczenie z PyPortfolioOpt: kowariancja Exercise 11: Analiza kryzysu finansowego Exercise 12: Granica efektywna a kryzys finansowy

Czas rozszerzyć zestaw narzędzi do optymalizacji portfela o miary ryzyka, takie jak Value at Risk (VaR) i Conditional Value at Risk (CVaR). Skorzystasz w tym celu ze specjalistycznych bibliotek Pythona: pandas, scipy i pypfopt. Dowiesz się też, jak ograniczać ekspozycję na ryzyko, stosując model Blacka-Scholesa do zabezpieczania portfela opcji.

Exercise 1: Mierzenie ryzyka Exercise 2: VaR dla rozkładu normalnego Exercise 3: Porównanie CVaR i VaR Exercise 4: Która miara ryzyka jest „lepsza"?Exercise 5: Ekspozycja na ryzyko i straty Exercise 6: Jaki masz apetyt na ryzyko?Exercise 7: VaR i ekspozycja na ryzyko Exercise 8: CVaR i ekspozycja na ryzyko Exercise 9: Zarządzanie ryzykiem przy użyciu VaR i CVaR Exercise 10: VaR z dopasowanego rozkładu Exercise 11: Minimalizacja CVaR Exercise 12: Zarządzanie ryzykiem CVaR a kryzys finansowy Exercise 13: Hedging portfela: neutralizowanie ryzyka Exercise 14: Wycena opcji metodą Blacka-Scholesa Exercise 15: Wycena opcji i instrument bazowy Exercise 16: Wykorzystanie opcji do hedgingu

W tym rozdziale nauczysz się szacować miary ryzyka metodami estymacji parametrycznej i na podstawie historycznych danych rzeczywistych. Odkryjesz, jak symulacja Monte Carlo pomaga przewidywać niepewność. Na koniec zrozumiesz, w jaki sposób globalny kryzys finansowy pokazał, że sama losowość może się zmieniać – poznasz pojęcie przełomów strukturalnych i sposoby ich identyfikacji.

Exercise 1: Estymacja parametryczna Exercise 2: Estymacja parametrów: rozkład normalny Exercise 3: Estymacja parametrów: skośny rozkład normalny Exercise 4: Symulacja historyczna i Monte Carlo Exercise 5: Symulacja historyczna Exercise 6: Symulacja Monte Carlo Exercise 7: Przełomy strukturalne Exercise 8: Strukturalny przełom kryzysu: I Exercise 9: Strukturalny przełom kryzysu: II Exercise 10: Strukturalny przełom kryzysu: III Exercise 11: Zmienność i wartości ekstremalne Exercise 12: Zmienność i przełomy strukturalne Exercise 13: Wartości ekstremalne i backtesting

Czas poznać bardziej ogólne narzędzia zarządzania ryzykiem. Te zaawansowane techniki są kluczowe, gdy chcemy zrozumieć zdarzenia ekstremalne – takie jak straty poniesione podczas kryzysu finansowego – oraz złożone rozkłady strat, które mogą wymykać się tradycyjnym metodom estymacji. Dowiesz się też, jak sieci neuronowe można wykorzystać do aproksymowania rozkładów strat i przeprowadzania optymalizacji portfela w czasie rzeczywistym.

Exercise 1: Teoria wartości ekstremalnych

Bieżące ćwiczenie

Exercise 2: Maksima bloków Exercise 3: Zdarzenia ekstremalne podczas kryzysu Exercise 4: Szacowanie ryzyka metodą GEV Exercise 5: Estymacja jądra gęstości Exercise 6: KDE rozkładu strat Exercise 7: Który rozkład?Exercise 8: CVaR i dobór rezerwy na pokrycie strat Exercise 9: Zarządzanie ryzykiem z użyciem sieci neuronowych Exercise 10: Jednowarstwowe sieci neuronowe Exercise 11: Prognozowanie ceny aktywa Exercise 12: Zarządzanie ryzykiem w czasie rzeczywistym Exercise 13: Podsumowanie i kolejne kroki