Qual medida de risco é "melhor"?

Embora o VaR e o CVaR sejam semelhantes (e tenham apenas uma letra de diferença!), geralmente o CVaR é a medida de risco preferida para o gerenciamento de riscos. Um dos motivos é que ele é afetado pela cauda da distribuição de perdas, enquanto o VaR é um valor estático.

Pergunta: Como o CVaR incorpora informações da cauda da distribuição de perdas?

Este exercício faz parte do curso

Gerenciamento quantitativo de riscos em Python

Exercício interativo prático

Transforme a teoria em ação com um de nossos exercícios interativos

Comece o exercício

Este exercício faz parte do curso

Gerenciamento quantitativo de riscos em Python

AvançadoNível de habilidade

4.7+

Iniciar curso gratuitamente

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.

Exercise 1: Você é bem-vindo!Exercise 2: Retornos do portfólio durante a crise Exercise 3: Covariância de ativos e volatilidade da carteira Exercise 4: Fatores de risco e a crise financeira Exercise 5: Primário de reamostragem de frequência Exercise 6: Visualização da correlação de fatores de risco Exercise 7: Modelo de fator de mínimos quadrados Exercise 8: Teoria moderna de portfólio Exercise 9: Prática com PyPortfolioOpt: retornos Exercise 10: Prática com o PyPortfolioOpt: covariância Exercise 11: Desmembrando a crise financeira Exercise 12: A fronteira eficiente e a crise financeira

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.

Exercise 1: Medindo o risco Exercise 2: VaR para a distribuição normal Exercise 3: Comparando CVaR e VaR Exercise 4: Qual medida de risco é "melhor"?

Exercício atual

Exercise 5: Exposição a riscos e perdas Exercise 6: Qual é o seu apetite por riscos?Exercise 7: VaR e exposição ao risco Exercise 8: CVaR e exposição ao risco Exercise 9: Gerenciamento de risco usando VaR e CVaR Exercise 10: VaR a partir de uma distribuição ajustada Exercise 11: Minimizando CVaR Exercise 12: CVgerenciamento de risco aR e a crise Exercise 13: Cobertura de portfólio: compensação de riscos Exercise 14: Precificação de opções Black-Scholes Exercise 15: Precificação de opções e o ativo subjacente Exercise 16: Uso de opções para hedging

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.

Exercise 1: Estimativa paramétrica Exercise 2: Estimativa de parâmetros: Normal Exercise 3: Estimativa de parâmetros: Normal enviesado Exercise 4: Simulação histórica e de Monte Carlo Exercise 5: Simulação histórica Exercise 6: Simulação de Monte Carlo Exercise 7: Quebras estruturais Exercise 8: Quebra estrutural da crise: I Exercise 9: Quebra estrutural da crise: II Exercise 10: Quebra estrutural da crise: III Exercise 11: Volatilidade e valores extremos Exercise 12: Volatilidade e quebras estruturais Exercise 13: Valores extremos e backtesting

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.

Exercise 1: Teoria do valor extremo Exercise 2: Máximos do bloco Exercise 3: Eventos extremos durante a crise Exercise 4: GEV estimativa de risco Exercise 5: Estimativa de densidade de kernel Exercise 6: KDE de uma distribuição de perdas Exercise 7: Qual distribuição?Exercise 8: CVaR e seleção de cobertura de perdas Exercise 9: Gerenciamento de risco por rede neural Exercise 10: Redes neurais de camada única Exercise 11: Previsão de preços de ativos Exercise 12: Gerenciamento de riscos em tempo real Exercise 13: Conclusão e etapas futuras