1. Học hỏi
    2. /
  2. Khoa Học
    3. /
  3. Quản trị Rủi ro Định lượng với Python
Connected

Bài tập

VaR từ một phân phối đã fit

Để tối thiểu hóa CVaR, bạn cần tính VaR tại một mức độ tin cậy, ví dụ 95%. Trước đây bạn đã suy ra VaR như một phân vị từ phân phối Normal (Gaussian), nhưng để tối thiểu hóa CVaR nói chung hơn, cần tính phân vị từ phân phối phù hợp nhất với dữ liệu.

Trong bài này, một phân phối thua lỗ fitted được cung cấp, là phân phối khớp với thua lỗ của danh mục ngân hàng đầu tư trọng số bằng nhau giai đoạn 2005-2010. Đầu tiên, bạn sẽ vẽ phân phối này bằng phương thức .evaluate() của nó (các phân phối đã fit sẽ được trình bày chi tiết hơn ở Chương 4).

Tiếp theo, bạn sẽ dùng phương thức .resample() của đối tượng fitted để rút một sample ngẫu nhiên gồm 100.000 quan sát từ phân phối đã fit.

Cuối cùng, dùng np.quantile() trên sample ngẫu nhiên để tính VaR 95%.

Hướng dẫn

100 XP
  • Vẽ phân phối thua lỗ fitted. Lưu ý cách phân phối fitted khác với phân phối Normal.
  • Tạo sample gồm 100.000 điểm rút ngẫu nhiên từ phân phối đã fit bằng phương thức .resample() của fitted.
  • Dùng np.quantile() để tìm VaR 95% từ sample ngẫu nhiên và hiển thị kết quả.