or
Den här övningen är en del av kursen
Riskhantering börjar med en förståelse för risk och avkastning. Vi repeterar sambandet mellan risk och avkastning, identifierar riskfaktorer och använder dem för att återbekanta oss med modern portföljteori tillämpad på den globala finanskrisen 2007–2008.
Nu är det dags att bygga ut din verktygslåda för portföljoptimering med riskmått som Value at Risk (VaR) och Conditional Value at Risk (CVaR). Du använder specialiserade Python-bibliotek som pandas, scipy och pypfopt. Du lär dig också att minska riskexponering med hjälp av Black-Scholes-modellen för att hedga en optionsportfölj.
Aktuell övning
I det här kapitlet skattar du riskmått med hjälp av parametrisk skattning och historiska verkliga data. Därefter undersöker du hur Monte Carlo-simulering kan hjälpa dig att förutsäga osäkerhet. Avslutningsvis lär du dig hur den globala finanskrisen signalerade att slumpmässigheten i sig förändrades – genom att förstå strukturbrott och hur man identifierar dem.
Nu är det dags att utforska mer generella riskhanteringsverktyg. Dessa avancerade tekniker är avgörande när du försöker förstå extrema händelser, till exempel förluster under finanskrisen, och komplicerade fördelningar av förluster som kan vara svåra att hantera med traditionella skattningsmetoder. Du lär dig också hur neurala nätverk kan implementeras för att approximera förlustfördelningar och genomföra portföljoptimering i realtid.