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

Вправа

VaR з підігнаної розподілу

Мінімізація CVaR потребує обчислення VaR на заданому рівні довіри, наприклад 95%. Раніше ви виводили VaR як квантіль для нормального (Gaussian) розподілу, але для мінімізації CVaR у загальнішому випадку треба знаходити квантіль із розподілу, який найкраще відповідає даним.

У цій вправі надано розподіл збитків fitted, що узгоджується зі збитками портфеля інвестбанку з рівними вагами за 2005–2010 роки. Спочатку ви побудуєте графік цього розподілу, використавши його метод .evaluate() (підігнані розподіли буде розглянуто детальніше в Розділі 4).

Далі ви використаєте метод .resample() об'єкта fitted, щоб отримати випадкову sample зі 100 000 спостережень із цього підігнаного розподілу.

Нарешті, застосувавши np.quantile() до випадкової sample, ви обчислите 95% VaR.

Інструкції

100 XP
  • Побудуйте графік розподілу збитків fitted. Зверніть увагу, чим fitted відрізняється від нормального розподілу.
  • Створіть sample з 100 000 випадкових вибірок із підігнаного розподілу за допомогою методу .resample() об'єкта fitted.
  • Скористайтеся np.quantile(), щоб знайти 95% VaR із випадкової sample, і виведіть результат.