ÎncepețiÎncepe gratuit

Estimarea parametrilor: distribuția Normală

Estimarea parametrilor este cea mai robustă metodă de estimare a VaR, deoarece presupune că tipul distribuției pierderilor este cunoscut. Parametrii sunt estimați pentru a potrivi datele la această distribuție, după care se realizează inferența statistică.

În acest exercițiu, vei estima VaR la nivelul de 95% dintr-o distribuție Normală ajustată pe datele băncilor de investiții din perioada 2007–2009. Vei folosi distribuția norm din scipy.stats, presupunând că aceasta este clasa de distribuție cea mai potrivită.

Distribuția Normală se potrivește bine datelor? Vei testa acest lucru cu testul Anderson-Darling din scipy.stats.anderson. Dacă rezultatul testului este statistic diferit de zero, înseamnă că datele nu urmează o distribuție Normală. Vei aborda această problemă în exercițiul următor.

losses din portofoliu pentru perioada 2005–2010 sunt disponibile.

Acest exercițiu face parte din cursul

Managementul Cantitativ al Riscului în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă norm și anderson din scipy.stats.
  • Ajustează datele din losses la distribuția Normală folosind metoda .fit(), salvând parametrii distribuției în params.
  • Generează și afișează estimarea VaR la 95% din distribuția ajustată.
  • Testează ipoteza nulă a distribuției Normale pe losses folosind testul Anderson-Darling anderson().

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import the Normal distribution and skewness test from scipy.stats
from ____ import norm, anderson

# Fit portfolio losses to the Normal distribution
params = ____.fit(____)

# Compute the 95% VaR from the fitted distribution, using parameter estimates
VaR_95 = norm.____(0.95, *params)
print("VaR_95, Normal distribution: ", VaR_95)

# Test the data for Normality
print("Anderson-Darling test result: ", anderson(____))
Editează și rulează codul