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

道练习

VaR і ризик-експозиція

Раніше ви обчислювали VaR і CVaR для випадку, коли збитки мали нормальний розподіл. Тут ви знайдете VaR для іншого поширеного розподілу збитків — розподілу Стьюдента (або T), що міститься в scipy.stats.

Ви обчислите масив 99% VaR на основі розподілу T (з 30 − 1 = 29 ступенями вільності), використовуючи 30-денні ковзні вікна з портфельних losses інвестиційного банку.

Спочатку знайдете середнє та стандартне відхилення для кожного вікна, сформувавши список rolling_parameters. Використаєте їх, щоб обчислити масив показників 99% VaR.

Далі ви застосуєте цей масив, щоб побудувати ризик-експозицію для портфеля з початковою вартістю $100,000. Нагадаємо: ризик-експозиція — це ймовірність збитку (це 1%), помножена на величину збитку (це збиток за 99% VaR).

说明

100 XP
  • Імпортуйте t-розподіл Стьюдента з scipy.stats.
  • Обчисліть вектори середнього за 30-денним вікном mu та стандартного відхилення sigma з losses і збережіть їх у rolling_parameters.
  • Обчисліть Numpy-масив 99% VaR VaR_99, використовуючи t.ppf(), зі списку T-розподілів на основі елементів rolling_parameters.
  • Обчисліть і візуалізуйте ризик-експозицію, пов'язану з масивом VaR_99.