Care măsură de risc este „mai bună"?

Deși VaR și CVaR sunt similare (diferă doar printr-o literă!), în general CVaR este măsura de risc preferată în managementul riscului. Un motiv este că aceasta este influențată de coada distribuției pierderilor, în timp ce VaR este o valoare statică.

Întrebare: Cum integrează CVaR informațiile din coada distribuției pierderilor?

Acest exercițiu face parte din cursul

Managementul Cantitativ al Riscului în Python

Exercițiu interactiv practic

Transformă teoria în practică cu unul dintre exercițiile noastre interactive

Începe exercițiul

Acest exercițiu face parte din cursul

Managementul Cantitativ al Riscului în Python

SkillTag.level.advancedSkillTag.label

4.8+

Începe cursul gratuit

Managementul riscului pornește de la înțelegerea relației dintre risc și randament. Vom recapitula cum sunt acestea legate între ele, vom identifica factorii de risc și vom reactualiza cunoștințele despre Teoria Modernă a Portofoliului aplicată la criza financiară globală din 2007—2008.

Exercise 1: Bun venit!Exercise 2: Randamentele portofoliului în timpul crizei Exercise 3: Covarianța activelor și volatilitatea portofoliului Exercise 4: Factori de risc și criza financiară Exercise 5: Introducere în reeșantionarea frecvenței Exercise 6: Vizualizarea corelației factorilor de risc Exercise 7: Model factorial prin metoda celor mai mici pătrate Exercise 8: Teoria modernă a portofoliului Exercise 9: Practică cu PyPortfolioOpt: randamente Exercise 10: Practică cu PyPortfolioOpt: covarianța Exercise 11: Descompunerea crizei financiare Exercise 12: Frontiera eficientă și criza financiară

Este momentul să îți extinzi setul de instrumente pentru optimizarea portofoliului cu măsuri de risc precum Value at Risk (VaR) și Conditional Value at Risk (CVaR). În acest scop, vei folosi biblioteci Python specializate, printre care pandas, scipy și pypfopt. Vei învăța, de asemenea, cum să reduci expunerea la risc folosind modelul Black-Scholes pentru acoperirea unui portofoliu de opțiuni.

Exercise 1: Măsurarea riscului Exercise 2: VaR pentru distribuția normală Exercise 3: Compararea CVaR și VaR Exercise 4: Care măsură de risc este „mai bună"?

Exercițiul curent

Exercise 5: Expunere la risc și pierderi Exercise 6: Care este apetitul tău pentru risc?Exercise 7: VaR și expunerea la risc Exercise 8: CVaR și expunerea la risc Exercise 9: Managementul riscului cu VaR și CVaR Exercise 10: VaR dintr-o distribuție ajustată Exercise 11: Minimizarea CVaR Exercise 12: Gestionarea riscului cu CVaR și criza financiară Exercise 13: Acoperirea portofoliului: compensarea riscului Exercise 14: Calculul prețului opțiunilor cu Black-Scholes Exercise 15: Prețul opțiunilor și activul suport Exercise 16: Utilizarea opțiunilor pentru acoperirea riscului

În acest capitol, vei estima măsuri de risc prin estimare parametrică și date istorice reale. Vei descoperi apoi cum simularea Monte Carlo te poate ajuta să anticipezi incertitudinea. În final, vei înțelege cum criza financiară globală a semnalat că însăși aleatorietatea se schimba, prin studiul rupturilor structurale și al metodelor de identificare a acestora.

Exercise 1: Estimare parametrică Exercise 2: Estimarea parametrilor: distribuția Normală Exercise 3: Estimarea parametrilor: Normala asimetrică Exercise 4: Simulare istorică și Monte Carlo Exercise 5: Simulare istorică Exercise 6: Simulare Monte Carlo Exercise 7: Rupturi structurale Exercise 8: Ruptura structurală din criză: I Exercise 9: Ruptura structurală a crizei: II Exercise 10: Ruptura structurală a crizei: III Exercise 11: Volatilitate și valori extreme Exercise 12: Volatilitate și rupturi structurale Exercise 13: Valori extreme și backtesting

Este momentul să explorezi instrumente mai generale de management al riscului. Aceste tehnici avansate sunt esențiale pentru înțelegerea evenimentelor extreme, cum ar fi pierderile înregistrate în timpul crizei financiare, și a distribuțiilor complexe ale pierderilor, care pot sfida tehnicile tradiționale de estimare. Vei descoperi, de asemenea, cum pot fi implementate rețelele neuronale pentru a aproxima distribuțiile pierderilor și a realiza optimizarea portofoliului în timp real.

Exercise 1: Teoria valorilor extreme Exercise 2: Maxime pe blocuri Exercise 3: Evenimente extreme în timpul crizei Exercise 4: Estimarea riscului GEV Exercise 5: Estimarea densității prin kernel Exercise 6: KDE al unei distribuții de pierderi Exercise 7: Care distribuție?Exercise 8: CVaR și selectarea rezervei pentru pierderi Exercise 9: Managementul riscului cu rețele neuronale Exercise 10: Rețele neuronale cu un singur strat Exercise 11: Predicția prețului unui activ Exercise 12: Managementul riscului în timp real Exercise 13: Concluzie și pași următori