Tarihsel ve Monte Carlo Simülasyonu

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Bu egzersiz, kursun bir parçasıdır

Python ile Nicel Risk Yönetimi

AvançadoNível de habilidade

4.8+

Kursa Ücretsiz Başla

Risk yönetimi, risk ve getiriyi anlamakla başlar. Risk ve getirinin birbirleriyle nasıl ilişkili olduğunu kısaca gözden geçirecek, risk faktörlerini belirleyecek ve 2007-2008 küresel finansal krizine uygulanan Modern Portföy Teorisi’ni yeniden hatırlamak için bu faktörleri kullanacağız.

Exercise 1: Hoş geldin!Exercise 2: Kriz sırasında portföy getirileri Exercise 3: Varlık kovaryansı ve portföy oynaklığı Exercise 4: Risk faktörleri ve finansal kriz Exercise 5: Frekans yeniden örnekleme giriş Exercise 6: Risk faktörü korelasyonunu görselleştirme Exercise 7: En küçük kareler faktör modeli Exercise 8: Modern portföy teorisi Exercise 9: PyPortfolioOpt ile pratik: getiriler Exercise 10: PyPortfolioOpt ile pratik: kovaryans Exercise 11: Finansal krizi parçalara ayırma Exercise 12: Etkin sınır ve finansal kriz

Şimdi portföy optimizasyon araç setini Value at Risk (VaR) ve Conditional Value at Risk (CVaR) gibi risk ölçüleriyle genişletme zamanı. Bunu yapmak için pandas, scipy ve pypfopt gibi özel Python kütüphanelerini kullanacaksın. Ayrıca Black-Scholes modelini kullanarak bir opsiyon portföyünü hedge ederek risk maruziyetini nasıl azaltacağını da öğreneceksin.

Exercise 1: Riski Ölçme Exercise 2: Normal dağılım için VaR Exercise 3: CVaR ve VaR'ı karşılaştırma Exercise 4: Hangi risk ölçütü "daha iyi"?Exercise 5: Risk maruziyeti ve kayıp Exercise 6: Risk iştahın ne kadar?Exercise 7: VaR ve risk maruziyeti Exercise 8: CVaR ve risk maruziyeti Exercise 9: VaR ve CVaR kullanarak risk yönetimi Exercise 10: Uydurulmuş bir dağılımdan VaR Exercise 11: CVaR'ı En Aza İndirme Exercise 12: CVaR risk yönetimi ve kriz Exercise 13: Portföy korunması: riski dengeleme Exercise 14: Black-Scholes opsiyon fiyatlama Exercise 15: Opsiyon fiyatlama ve dayanak varlık Exercise 16: Riskten korunma için opsiyon kullanma

Bu bölümde, parametreli tahmin ve gerçek dünyadan tarihsel veriler kullanarak risk ölçülerini tahmin edeceksin. Ardından Monte Carlo benzetiminin belirsizliği öngörmene nasıl yardımcı olabileceğini keşfedeceksin. Son olarak, yapısal kırılmaları ve bunları nasıl belirleyeceğini anlayarak, küresel finansal krizin rastlantısallığın bizzat değiştiğine nasıl işaret ettiğini öğreneceksin.

Exercise 1: Parametrik Tahmin Exercise 2: Parametre tahmini: Normal Exercise 3: Parametre tahmini: Eğik Normal Exercise 4: Tarihsel ve Monte Carlo Simülasyonu

Geçerli egzersiz

Exercise 5: Tarihsel Simülasyon Exercise 6: Monte Carlo Simülasyonu Exercise 7: Yapısal kırılmalar Exercise 8: Krizde yapısal kırılma: I Exercise 9: Kriz yapısal kırılması: II Exercise 10: Kriz yapısal kırılması: III Exercise 11: Oynaklık ve aşırı değerler Exercise 12: Oynaklık ve yapısal kırılmalar Exercise 13: Aşırı değerler ve geriye dönük test

Daha genel risk yönetimi araçlarını keşfetme zamanı. Bu ileri teknikler, finansal kriz sırasında yaşanan kayıplar gibi aşırı olayları ve geleneksel tahmin yöntemlerine meydan okuyabilen karmaşık kayıp dağılımlarını anlamaya çalışırken kritik önem taşır. Ayrıca, kayıp dağılımlarını yaklaşıklamak ve gerçek zamanlı portföy optimizasyonu yapmak için sinir ağlarının nasıl uygulanabileceğini de keşfedeceksin.

Exercise 1: Aşırı değer teorisi Exercise 2: Blok maksimumları Exercise 3: Kriz sırasında aşırı olaylar Exercise 4: GEV risk tahmini Exercise 5: Çekirdek yoğunluk kestirimi Exercise 6: Bir kayıp dağılımının KDE’si Exercise 7: Hangi dağılım?Exercise 8: CVaR ve kayıp karşılama seçimi Exercise 9: Sinir ağı ile risk yönetimi Exercise 10: Tek katmanlı sinir ağları Exercise 11: Varlık fiyatı tahmini Exercise 12: Gerçek zamanlı risk yönetimi Exercise 13: Kapanış ve Sonraki Adımlar