Ước lượng rủi ro bằng GEV
Giả sử bạn đang nắm giữ € 1.000.000 cổ phiếu GE vào ngày 1/1/2010. Bạn muốn phòng ngừa các khoản lỗ tối đa dự kiến có thể xảy ra trong tuần tới, dựa trên dữ liệu sẵn có của hai năm trước, 2008 - 2009. Bạn giả định rằng các khoản lỗ tối đa theo tuần của GE tuân theo phân phối Giá trị Cực trị Tổng quát (Generalized Extreme Value - GEV).
Để mô hình hóa khoản lỗ dự kiến, bạn sẽ ước lượng CVaR ở mức tin cậy 99% cho phân phối GEV và dùng nó để tính số tiền cần dự phòng nhằm bù đắp khoản lỗ tối đa theo tuần dự kiến trong tháng 1/2010.
Phân phối genextreme từ scipy.stats đã có trong không gian làm việc của bạn, cũng như losses của GE cho giai đoạn 2008 - 2009.
Bài tập này là một phần của khóa học
Quản trị Rủi ro Định lượng với Python
Hướng dẫn bài tập
- Tìm giá trị cực đại của giá tài sản GE với độ dài khối một tuần.
- Khớp phân phối GEV
genextremecho dữ liệuweekly_maxima. - Tính VaR 99% và dùng nó để tìm ước lượng CVaR 99%.
- Tính mức dự phòng cần thiết để bù đắp khoản lỗ tối đa theo tuần dự kiến.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Compute the weekly block maxima for GE's stock
weekly_maxima = losses.____("W").____()
# Fit the GEV distribution to the maxima
p = genextreme.____(____)
# Compute the 99% VaR (needed for the CVaR computation)
VaR_99 = genextreme.____(____, *p)
# Compute the 99% CVaR estimate
CVaR_99 = (1 / (1 - 0.99)) * genextreme.____(lambda x: x,
args=(p[0],), loc = p[1], scale = p[2], lb = ____)
# Display the covering loss amount
print("Reserve amount: ", 1000000 * CVaR_99)