1. Nauka
    2. /
  2. Kursy
    3. /
  3. Ilościowe zarządzanie ryzykiem w Pythonie
Connected

ćwiczenie

VaR z dopasowanego rozkładu

Minimalizacja CVaR wymaga obliczenia VaR na określonym poziomie ufności – powiedzmy 95%. Do tej pory wyznaczałeś VaR jako kwantyl z rozkładu normalnego (Gaussa), ale bardziej ogólne podejście do minimalizacji CVaR wymaga obliczenia kwantyla z rozkładu, który najlepiej dopasowuje się do danych.

W tym ćwiczeniu przygotowano obiekt fitted reprezentujący rozkład strat, dopasowany do strat z portfela równoważonego banku inwestycyjnego z lat 2005–2010. Zaczniesz od wyrysowania tego rozkładu za pomocą metody .evaluate() (dopasowywanie rozkładów zostanie omówione szczegółowo w rozdziale 4.).

Następnie użyjesz metody .resample() obiektu fitted, aby wylosować sample złożony ze 100 000 obserwacji z dopasowanego rozkładu.

Na koniec zastosujesz np.quantile() na losowej próbce sample, by obliczyć VaR na poziomie 95%.

Instrukcje

100 XP
  • Wyrysuj dopasowany rozkład strat fitted. Zwróć uwagę, jak różni się on od rozkładu normalnego.
  • Utwórz próbkę sample złożoną ze 100 000 losowych obserwacji z dopasowanego rozkładu, korzystając z metody .resample() obiektu fitted.
  • Użyj np.quantile(), aby wyznaczyć VaR na poziomie 95% z losowej próbki sample, i wyświetl wynik.