ComeçarComece de graça

CVaR e exposição ao risco

Lembre-se de que CVaR é o valor esperado de perda dado um limite mínimo de perda. Portanto, 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 aR de 99% CV, você primeiro ajustará uma distribuição T aos dados disponíveis do portfólio crisis_losses de 2008 a 2009, usando o método t.fit(). Isso retorna os parâmetros de distribuição T p usados para encontrar o VaR com o método .ppf().

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

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

A distribuição t de scipy.stats também está disponível.

Este exercício faz parte do curso

Gerenciamento quantitativo de riscos em Python

Ver curso

Instruções do exercício

  • Encontre os parâmetros de distribuição p usando o método .fit() aplicado a crisis_losses.
  • Calcule VaR_99 usando os parâmetros ajustados p e a função de ponto percentual 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