Bắt đầu ngayBắt đầu miễn phí

Ước lượng tham số: Normal

Ước lượng tham số là phương pháp mạnh nhất để ước tính VaR vì giả định lớp phân phối của thua lỗ là đã biết. Các tham số được ước lượng để khớp dữ liệu vào phân phối này, sau đó tiến hành suy luận thống kê.

Trong bài tập này, bạn sẽ ước tính VaR 95% từ một phân phối Normal được fit vào dữ liệu ngân hàng đầu tư giai đoạn 2007 - 2009. Bạn sẽ dùng phân phối norm của scipy.stats, giả định đây là lớp phân phối phù hợp nhất.

Phân phối Normal có khớp tốt không? Bạn sẽ kiểm tra điều này bằng kiểm định Anderson–Darling scipy.stats.anderson. Nếu kết quả kiểm định khác không một cách có ý nghĩa thống kê, điều đó cho thấy dữ liệu không tuân theo phân phối Normal. Bạn sẽ xử lý điểm này ở bài tập tiếp theo.

losses của danh mục cho giai đoạn 2005 - 2010 đã được cung cấp.

Bài tập này là một phần của khóa học

Quản trị Rủi ro Định lượng với Python

Xem khóa học

Hướng dẫn bài tập

  • Import norm và anderson từ scipy.stats.
  • Fit dữ liệu losses vào phân phối Normal bằng phương thức .fit(), lưu các tham số phân phối vào params.
  • Tạo và hiển thị ước tính VaR 95% từ phân phối đã fit.
  • Kiểm định giả thuyết không về phân phối Normal trên losses bằng kiểm định Anderson–Darling anderson().

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# Import the Normal distribution and skewness test from scipy.stats
from ____ import norm, anderson

# Fit portfolio losses to the Normal distribution
params = ____.fit(____)

# Compute the 95% VaR from the fitted distribution, using parameter estimates
VaR_95 = norm.____(0.95, *params)
print("VaR_95, Normal distribution: ", VaR_95)

# Test the data for Normality
print("Anderson-Darling test result: ", anderson(____))
Chỉnh sửa và Chạy Mã