1. Learn
    2. /
  2. Courses
    3. /
  3. Gerenciamento quantitativo de riscos em Python
  • 1

    Recapitulação de risco e retorno

    Free

    O gerenciamento de riscos começa com uma compreensão do risco e do retorno. Recapitularemos como o risco e o retorno estão relacionados entre si, identificaremos os fatores de risco e os usaremos para nos familiarizarmos novamente com a Teoria Moderna de Portfólio aplicada à crise financeira global de 2007-2008.

  • 2

    Gerenciamento de riscos orientado por metas

    Agora é hora de expandir seu conjunto de ferramentas de otimização de portfólio com medidas de risco, como o valor em risco (VaR) e o valor condicional em risco (CVaR). Para fazer isso, você usará bibliotecas Python especializadas, incluindo pandas, scipy e pypfopt. Você também aprenderá a reduzir a exposição ao risco usando o modelo Black-Scholes para proteger um portfólio de opções.

  • 3

    Estimativa e identificação de riscos

    Neste capítulo, você estimará as medidas de risco usando a estimativa paramétrica e dados históricos do mundo real. Em seguida, você descobrirá como a simulação de Monte Carlo pode ajudá-lo a prever a incerteza. Por fim, você aprenderá como a crise financeira global sinalizou que a própria aleatoriedade estava mudando, compreendendo as quebras estruturais e como identificá-las.

  • 4

    Gerenciamento avançado de riscos

    É hora de explorar ferramentas mais gerais de gerenciamento de riscos. Essas técnicas avançadas são essenciais quando se tenta entender eventos extremos, como perdas incorridas durante a crise financeira, e distribuições complicadas de perdas que podem desafiar as técnicas tradicionais de estimativa. Você também descobrirá como as redes neurais podem ser implementadas para aproximar as distribuições de perdas e conduzir a otimização de portfólio em tempo real.

Initializing

Exercise

Precificação de opções Black-Scholes

As opções são o derivativo mais usado no mundo para ajudar a gerenciar o risco do preço dos ativos. Neste exercício, você definirá o preço de uma opção de compra europeia sobre as ações da IBM usando a fórmula de precificação de opções Black-Scholes. Os dados da IBM_returns foram carregados em seu espaço de trabalho.

Primeiro, você calculará a volatilidade sigma de IBM_returns, como o desvio padrão anualizado.

Em seguida, você utilizará a função black_scholes(), criada para este e os próximos exercícios, para precificar opções para dois níveis diferentes de volatilidade: sigma e duas vezes sigma.

O preço de exercício K, ou seja, o preço pelo qual um investidor tem o direito (mas não a obrigação) de comprar IBM, é 80. A taxa de juros sem risco r é de 2% e o preço à vista de mercado S é de 90.

Você pode encontrar o código-fonte da função black_scholes() aqui.

Instructions

100 XP
  • Calcule a volatilidade de IBM_returns como o desvio padrão anualizado sigma (você calculou a volatilidade anualizada no Capítulo 1).
  • Calcule o preço da opção de compra europeia Black-Scholes value_s usando a função black_scholes() fornecida, quando a volatilidade for sigma.
  • Em seguida, encontre o preço da opção Black-Scholes value_2s quando a volatilidade for 2 * sigma.
  • Exiba value_s e value_2s para examinar como o preço da opção muda com o aumento da volatilidade.