1. Learn
    2. /
  2. Kurser
    3. /
  3. Kvantitativ riskhantering i Python
Connected

Övning

VaR och riskexponering

Tidigare beräknade du VaR och CVaR under antagandet att förlusterna var normalfördelade. Här beräknar du VaR med en annan vanlig fördelning: Students t-fördelning (eller T) från scipy.stats.

Du beräknar en array med 99% VaR-mått från T-fördelningen (med 30 - 1 = 29 frihetsgrader), med hjälp av 30-dagars rullande fönster från investeringsbankens portföljförluster losses.

Först beräknar du medelvärdet och standardavvikelsen för varje fönster och skapar en lista med rolling_parameters. Dessa används sedan för att beräkna arrayen med 99% VaR-mått.

Slutligen använder du denna array för att visualisera riskexponeringen för en portfölj med ett initialt värde på 100 000 dollar. Kom ihåg att riskexponering är förlustsannolikheten (1 %) multiplicerad med förluststorleken (den förlust som ges av 99% VaR).

Instruktioner

100 XP
  • Importera Students t-fördelning från scipy.stats.
  • Beräkna 30-dagarsfönstrets medelvärdesvektor mu och standardavvikelsevektor sigma från losses, och lägg in dem i rolling_parameters.
  • Beräkna en Numpy-array med 99% VaR-mått VaR_99 med hjälp av t.ppf(), utifrån en lista med T-fördelningar som använder elementen i rolling_parameters.
  • Beräkna och visualisera riskexponeringen kopplad till VaR_99-arrayen.