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

ćwiczenie

Porównanie CVaR i VaR

Warunkowa wartość zagrożona (CVaR), zwana też oczekiwanym niedoborem (ES, ang. expected shortfall), odpowiada na pytanie: jaka będzie średnia strata, pod warunkiem że straty przekroczą określony próg przy danym poziomie ufności? CVaR wykorzystuje VaR jako punkt wyjścia, ale niesie więcej informacji – bierze bowiem pod uwagę ogon rozkładu strat.

Najpierw obliczysz 95% VaR dla rozkładu normalnego strat portfelowych, o tej samej średniej i odchyleniu standardowym co straty portfolio_losses banków inwestycyjnych z lat 2005–2010. Następnie użyjesz VaR do obliczenia 95% CVaR i naniesiasz oba wskaźniki na wykres rozkładu normalnego.

Zmienna portfolio_losses jest dostępna w twoim środowisku, podobnie jak rozkład normalny norm z biblioteki scipy.stats.

Instrukcje

100 XP
  • Oblicz średnią i odchylenie standardowe portfolio_losses i przypisz je odpowiednio do zmiennych pm i ps.
  • Wyznacz 95% VaR, korzystając z metody .ppf() obiektu norm – przyjmuje ona argumenty loc dla średniej i scale dla odchylenia standardowego.
  • Użyj 95% VaR i metody .expect() obiektu norm, aby wyznaczyć tail_loss, a następnie oblicz CVaR przy tym samym poziomie ufności.
  • Dodaj pionowe linie oznaczające VaR (na czerwono) i CVaR (na zielono) do histogramu przedstawiającego rozkład normalny.