ComeçarComece de graça

CVaR e exposição ao risco

Lembre que o CVaR é o valor esperado da perda dado um limite mínimo de perda. Ou seja, o CVaR já está na forma de uma exposição ao risco — é a soma (ou integral) da probabilidade de perda na cauda da distribuição multiplicada pelo valor da perda.

Para obter o CVaR de 99%, você primeiro vai ajustar uma distribuição T aos crisis_losses do portfólio de 2008–2009 usando o método t.fit(). Isso retorna os parâmetros p da distribuição T, usados para encontrar o VaR com o método .ppf().

Em seguida, você vai calcular o VaR de 99%, já que ele é usado para encontrar o CVaR.

Por fim, você vai calcular o CVaR de 99% usando o método t.expect(), o mesmo que você utilizou para calcular o CVaR para a distribuição Normal em um exercício anterior.

A distribuição t do scipy.stats também está disponível.

Este exercício faz parte do curso

Gerenciamento Quantitativo de Risco em Python

Ver curso

Instruções do exercício

  • Encontre os parâmetros da distribuição p usando o método .fit() aplicado a crisis_losses.
  • Calcule VaR_99 usando os parâmetros ajustados p e a percent point function de t.
  • Calcule CVaR_99 usando o método t.expect() e os parâmetros ajustados p, e exiba o resultado.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Fit the Student's t distribution to crisis losses
p = t.____(crisis_losses)

# Compute the VaR_99 for the fitted distribution
VaR_99 = t.____(____, *p)

# Use the fitted parameters and VaR_99 to compute CVaR_99
tail_loss = t.expect(____ y: y, args = (p[0],), loc = p[1], scale = p[2], lb = VaR_99 )
CVaR_99 = (1 / (1 - ____)) * tail_loss
print(CVaR_99)
Editar e executar o código