Expected Shortfall เชิงประวัติศาสตร์
Expected Shortfall หรือที่รู้จักในชื่อ CVaR (conditional value at risk) คือค่าความสูญเสียที่คาดว่าจะเกิดขึ้นในสถานการณ์ที่เลวร้ายที่สุด
ตัวอย่างเช่น หากพอร์ตโฟลิโอมี VaR(95) อยู่ที่ -3% แล้ว CVaR(95) คือค่าเฉลี่ยของผลขาดทุนทั้งหมดที่เกิน -3%
ข้อมูลผลตอบแทน (หน่วยเป็นเปอร์เซ็นต์) อยู่ในตัวแปร StockReturns_perc และ var_95 จากแบบฝึกหัดก่อนหน้าก็พร้อมใช้งานใน workspace แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Python เบื้องต้นสำหรับการบริหารความเสี่ยงพอร์ตการลงทุน
คำแนะนำการฝึกหัด
- คำนวณค่าเฉลี่ยของผลตอบแทนใน
StockReturns_percที่มีค่าน้อยกว่าหรือเท่ากับvar_95แล้วกำหนดให้กับตัวแปรcvar_95 - พล็อตฮิสโทแกรมของผลตอบแทนที่เรียงลำดับแล้ว (
sorted_rets) โดยใช้ฟังก์ชันplt.hist()
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Historical CVaR 95
cvar_95 = ____
print(cvar_95)
# Sort the returns for plotting
sorted_rets = sorted(StockReturns_perc)
# Plot the probability of each return quantile
____(____, density=True, stacked=True)
# Denote the VaR 95 and CVaR 95 quantiles
plt.axvline(x=var_95, color="r", linestyle="-", label='VaR 95: {0:.2f}%'.format(var_95))
plt.axvline(x=cvar_95, color='b', linestyle='-', label='CVaR 95: {0:.2f}%'.format(cvar_95))
plt.show()