BaşlayınÜcretsiz başlayın

Uydurulmuş bir dağılımdan VaR

CVaR'ı en aza indirmek, örneğin %95 gibi bir güven düzeyinde VaR'ı hesaplamayı gerektirir. Daha önce VaR'ı Normal (veya Gauss) dağılımdan bir kantil olarak türetmiştin, ancak CVaR'ı daha genel olarak en aza indirmek, veriye en iyi şekilde uydurulan bir dağılımdan kantilin hesaplanmasını gerektirir.

Bu egzersizde, 2005-2010 döneminde eşit ağırlıklı bir yatırım bankası portföyündeki kayıplara uyan bir fitted kayıp dağılımı verilmiştir. Önce bu dağılımı .evaluate() metodunu kullanarak çizeceksin (uydurulmuş dağılımlar Bölüm 4'te daha ayrıntılı ele alınacak).

Sonra, fitted nesnesinin .resample() metodunu kullanarak uydurulmuş dağılımdan 100.000 gözlem içeren rastgele bir sample çekeceksin.

Son olarak, rastgele sample üzerinde np.quantile() kullanarak %95 VaR'ı hesaplayacaksın.

Bu egzersiz, kursun bir parçasıdır

Python ile Nicel Risk Yönetimi

Kursa Göz Atın

Egzersiz talimatları

  • fitted kayıp dağılımını çiz. fitted dağılımının Normal dağılımdan nasıl farklı olduğuna dikkat et.
  • fitted'ın .resample() metodunu kullanarak uydurulmuş dağılımdan 100.000 noktalık rastgele bir sample oluştur.
  • Rastgele sample üzerinden np.quantile() kullanarak %95 VaR'ı bul ve sonucu göster.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

# Visualize the fitted distribution with a plot
x = np.linspace(-0.25,0.25,1000)
plt.____(x,fitted.evaluate(x))
plt.show()

# Create a random sample of 100,000 observations from the fitted distribution
sample = fitted.____(____)

# Compute and display the 95% VaR from the random sample
VaR_95 = np.____(sample, ____)
print(VaR_95)
Kodu Düzenle ve Çalıştır