Kom igångKom igång gratis

GEV-riskskattning

Anta att du höll GE-aktier till ett värde av 1 000 000 euro den 1 januari 2010. Du vill täcka de förväntade maximala förluster som kan uppstå under den kommande veckan, baserat på tillgängliga data från de föregående två åren, 2008–2009. Du antar att de maximala veckovalörlusterna för GE följer en generaliserad extremvärdesfördelning (GEV).

För att modellera förväntade förluster skattar du CVaR på 99% konfidensniå för GEV-fördelningen och använder det för att beräkna det reservbelopp som krävs för att täcka den förväntade maximala veckoförlusten under januari 2010.

genextreme-fördelningen från scipy.stats finns tillgänglig i din arbetsyta, liksom GE:s losses för perioden 2008–2009.

Den här övningen är en del av kursen

Kvantitativ riskhantering i Python

Visa kurs

Övningsinstruktioner

  • Hitta maxvärdena för GE:s tillgångspris med en blockängd på en vecka.
  • Anpassa GEV-fördelningen genextreme till data i weekly_maxima.
  • Beräkna 99% VaR och använd det för att ta fram 99% CVaR-skattningen.
  • Beräkna det reservbelopp som krävs för att täcka den förväntade maximala veckoförlusten.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Compute the weekly block maxima for GE's stock
weekly_maxima = losses.____("W").____()

# Fit the GEV distribution to the maxima
p = genextreme.____(____)

# Compute the 99% VaR (needed for the CVaR computation)
VaR_99 = genextreme.____(____, *p)

# Compute the 99% CVaR estimate
CVaR_99 = (1 / (1 - 0.99)) * genextreme.____(lambda x: x, 
           args=(p[0],), loc = p[1], scale = p[2], lb = ____)

# Display the covering loss amount
print("Reserve amount: ", 1000000 * CVaR_99)
Redigera och kör kod