1. Learn
    2. /
  2. Cursuri
    3. /
  3. Managementul Cantitativ al Riscului în Python
Connected

exercițiu

VaR pentru distribuția normală

Pentru a te familiariza cu măsura Value at Risk (VaR), este util să o aplici mai întâi pe o distribuție cunoscută. Distribuția normală (sau Gaussiană) este deosebit de potrivită, deoarece 1) are o formă analitică simplă și 2) descrie o gamă largă de fenomene empirice. În acest exercițiu vei presupune că pierderea unui portofoliu urmează o distribuție normală, adică, cu cât valoarea extrasă din distribuție este mai mare, cu atât pierderea este mai mare.

Vei învăța cum să aplici atât funcția ppf() (funcția punct procentual) din scipy.stats.norm, cât și funcția quantile() din numpy, pentru a calcula VaR la niveluri de încredere de 95% și, respectiv, 99%, pentru o distribuție normală standard. De asemenea, vei vizualiza VaR ca prag pe graficul distribuției normale.

Instrucțiuni

100 XP
  • Folosește funcția .ppf() din norm pentru a calcula măsura VaR la nivelul de încredere de 95%.
  • Calculează acum VaR la 99% folosind funcția quantile() din NumPy, aplicată pe 100.000 de extrageri aleatoare normale (draws).
  • Compară măsurile VaR de 95% și 99% folosind o instrucțiune print.
  • Trasează distribuția normală și adaugă o linie care să indice VaR la 95%.