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

Exercise

Оцінювання параметрів: Normal

Оцінювання параметрів — найпотужніший підхід для оцінювання VaR, адже він припускає, що клас розподілу збитків відомий. Параметри оцінюють так, щоб підганяти дані під цей розподіл, після чого роблять статистичні висновки.

У цій вправі ви оціните 95% VaR на основі розподілу Normal, підігнаного до даних інвестбанку за 2007–2009 роки. Ви використаєте розподіл norm з scipy.stats, припускаючи, що це найвідповідніший клас розподілу.

Чи добре пасує розподіл Normal? Ви перевірите це за допомогою тесту Андерсона — Дарлінга scipy.stats.anderson. Якщо результат тесту статистично відрізняється від нуля, це означає, що дані не мають нормального розподілу. Ви розвʼяжете це у наступній вправі.

Портфельні losses за період 2005–2010 років доступні.

Instructions

100 XP
  • Імпортуйте norm і anderson з scipy.stats.
  • Підіженіть дані losses розподілом Normal за допомогою методу .fit(), збережіть параметри розподілу в params.
  • Згенеруйте та виведіть оцінку 95% VaR з підігнаного розподілу.
  • Перевірте нульову гіпотезу про нормальний розподіл для losses за допомогою тесту Андерсона — Дарлінга anderson().