НачатьНачать бесплатно

CVaR и подверженность риску

Напомним, что CVaR — это математическое ожидание потерь при условии превышения минимального порога убытков. Таким образом, CVaR уже выражает подверженность риску: это сумма (или интеграл) вероятностей потерь в хвосте распределения, умноженных на величину убытка.

Чтобы вычислить 99% CVaR, сначала подгоните распределение T к имеющимся данным crisis_losses по портфелю за 2008–2009 годы с помощью метода t.fit(). Он возвращает параметры распределения T p, которые используются для нахождения VaR с помощью метода .ppf().

Затем вычислите 99% VaR, поскольку он нужен для расчёта CVaR.

Наконец, вычислите меру 99% CVaR с помощью метода t.expect() — того же метода, который вы использовали для вычисления CVaR для нормального распределения в предыдущем упражнении.

Распределение t из scipy.stats также доступно.

Это упражнение является частью курса

Количественное управление рисками на Python

Посмотреть курс

Инструкции к упражнению

  • Найдите параметры распределения p, применив метод .fit() к crisis_losses.
  • Вычислите VaR_99, используя подогнанные параметры p и функцию процентных точек распределения t.
  • Вычислите CVaR_99 с помощью метода t.expect() и подогнанных параметров p, затем выведите результат.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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)
Редактировать и запускать код