ÎncepețiÎncepe gratuit

Estimarea parametrilor: Normala asimetrică

În exercițiul anterior ai descoperit că ajustarea unei distribuții Normale la datele portofoliului băncii de investiții din perioada 2005–2010 a dus la un ajustaj slab, conform testului Anderson-Darling.

Vei testa datele folosind funcția skewtest() din scipy.stats. Dacă rezultatul testului este semnificativ statistic diferit de zero, datele susțin o distribuție asimetrică.

Acum vei estima parametric VaR-ul la 95% al unei distribuții a pierderilor ajustate cu distribuția Normală asimetrică skewnorm din scipy.stats. Aceasta este o distribuție mai generală decât cea Normală și permite ca pierderile să fie distribuite nesimetric. Ne-am putea aștepta ca pierderile să fie asimetrice în perioada crizei, când pierderile de portofoliu erau mai probabile decât câștigurile.

Datele cu losses (pierderile) portofoliului pentru perioada 2007–2009 sunt disponibile.

Acest exercițiu face parte din cursul

Managementul Cantitativ al Riscului în Python

Vezi cursul

Instrucțiuni pentru exercițiu

  • Importă skewnorm și skewtest din scipy.stats.
  • Testează asimetria în datele cu pierderile (losses) ale portofoliului folosind skewtest. Testul indică asimetrie dacă rezultatul este semnificativ statistic diferit de zero.
  • Ajustează datele losses la distribuția Normală asimetrică folosind metoda .fit().
  • Generează și afișează estimarea VaR la 95% obținută din distribuția ajustată.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Import the skew-normal distribution and skewness test from scipy.stats
from scipy.stats import skewnorm, skewtest

# Test the data for skewness
print("Skewtest result: ", ____(____))

# Fit the portfolio loss data to the skew-normal distribution
params = ____.____(losses)

# Compute the 95% VaR from the fitted distribution, using parameter estimates
VaR_95 = ____.____(0.95, *params)
print("VaR_95 from skew-normal: ", VaR_95)
Editează și rulează codul