Qual medida de risco é "melhor"?

Embora o VaR e o CVaR sejam parecidos (e só diferem por uma letra!), em geral o CVaR é a medida de risco preferida na gestão 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 Risco em Python

Exercício interativo prático

Transforme a teoria em ação com um de nossos exercícios interativos

Começar o exercício

Este exercício faz parte do curso

Gerenciamento Quantitativo de Risco em Python

AvançadoNível de habilidade

4.8+

Iniciar curso de graça

O gerenciamento de risco começa com o entendimento de risco e retorno. Vamos recapitular como risco e retorno se relacionam, identificar fatores de risco e usá-los para revisitar a Teoria Moderna de Portfólios aplicada à crise financeira global de 2007–2008.

Exercise 1: Bem-vindo(a)!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: Introdução à reamostragem por frequência Exercise 6: Visualizando a correlação entre fatores de risco Exercise 7: Modelo de fatores por mínimos quadrados Exercise 8: Teoria moderna de portfólios Exercise 9: Pratique com PyPortfolioOpt: retornos Exercise 10: Pratique com PyPortfolioOpt: covariância Exercise 11: Detalhando a crise financeira Exercise 12: A fronteira eficiente e a crise financeira

Agora é hora de ampliar seu conjunto de ferramentas de otimização de portfólios com medidas de risco como Value at Risk (VaR) e Conditional Value at Risk (CVaR). Para isso, você vai usar bibliotecas Python especializadas, incluindo pandas, scipy e pypfopt. Você também vai aprender a mitigar a exposição ao risco usando o modelo de Black–Scholes para fazer hedge de 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 ao risco e perda Exercise 6: Qual é o seu apetite por risco?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 o CVaR Exercise 12: Gestão de risco com CVaR e a crise Exercise 13: Hedge do portfólio: compensando o risco Exercise 14: Precificação de opções Black-Scholes Exercise 15: Precificação de opções e o ativo subjacente Exercise 16: Usando opções para hedge

Neste capítulo, você vai estimar medidas de risco usando estimação paramétrica e dados históricos do mundo real. Em seguida, vai descobrir como a simulação de Monte Carlo pode ajudar você a prever incertezas. Por fim, você vai entender como a crise financeira global sinalizou que a própria aleatoriedade estava mudando, ao compreender quebras estruturais e como identificá-las.

Exercise 1: Estimação Paramétrica Exercise 2: Estimativa de parâmetros: Normal Exercise 3: Estimativa de parâmetros: Normal assimétrica 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: Ruptura estrutural na crise: II Exercise 10: Quebra estrutural na 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 risco. Essas técnicas avançadas são fundamentais ao tentar entender eventos extremos, como as perdas ocorridas durante a crise financeira, e distribuições de perdas complexas que podem desafiar técnicas tradicionais de estimação. Você também vai descobrir como redes neurais podem ser implementadas para aproximar distribuições de perdas e realizar otimização de portfólio em tempo real.

Exercise 1: Teoria do valor extremo Exercise 2: Máximos por bloco Exercise 3: Eventos extremos durante a crise Exercise 4: Estimativa de risco com GEV Exercise 5: Estimativa de densidade por kernel Exercise 6: KDE de uma distribuição de perdas Exercise 7: Qual distribuição?Exercise 8: CVaR e seleção de cobertura de perda Exercise 9: Gestão de risco com redes neurais Exercise 10: Redes neurais de uma única camada Exercise 11: Predição de preço de ativo Exercise 12: Gerenciamento de risco em tempo real Exercise 13: Fechamento e próximos passos