1. Learn
    2. /
  2. Курси
    3. /
  3. Кількісне управління ризиками в Python
Connected

Вправа

Оцінювання параметрів: Skewed Normal

У попередній вправі ви виявили, що підгонка нормального розподілу до даних портфеля інвестбанку за 2005–2010 роки дала слабку якість за критерієм Андерсона—Дарлінга.

Ви перевірите дані за допомогою функції skewtest() з scipy.stats. Якщо результат статистично відрізняється від нуля, то дані підтверджують наявність асиметрії (skewness).

Тепер ви параметрично оціните 95% VaR для підгонки розподілу збитків, використовуючи розподіл skewnorm (skewed Normal) з scipy.stats. Це більш загальний розподіл, ніж Normal, і він дозволяє збиткам мати несиметричний розподіл. Можна очікувати асиметрії збитків під час кризи, коли втрати портфеля були імовірнішими за прибутки.

Портфельні losses за період 2007–2009 років доступні.

Інструкції

100 XP
  • Імпортуйте skewnorm і skewtest з scipy.stats.
  • Перевірте асиметрію в портфельних losses за допомогою skewtest. Тест указує на асиметрію, якщо результат статистично відрізняється від нуля.
  • Підіженіть дані losses розподілом skewed Normal за допомогою методу .fit().
  • Згенеруйте та виведіть оцінку 95% VaR з підгонного розподілу.