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

Bài tập

VaR cho phân phối Normal

Để làm quen với thước đo Value at Risk (VaR), tốt nhất là áp dụng nó lên một phân phối đã biết. Phân phối Normal (hay Gaussian) đặc biệt hấp dẫn vì 1) có dạng giải tích đơn giản và 2) mô tả được nhiều hiện tượng thực nghiệm. Trong bài này, bạn giả định khoản lỗ của một danh mục tuân theo phân phối Normal, tức là giá trị rút ra từ phân phối càng cao thì khoản lỗ càng lớn.

Bạn sẽ học cách dùng ppf() (percent point function) của scipy.stats.norm và quantile() của numpy để tìm VaR tại các mức độ tin cậy 95% và 99% tương ứng cho phân phối Normal chuẩn. Bạn cũng sẽ trực quan hóa VaR như một ngưỡng trên biểu đồ phân phối Normal.

Hướng dẫn

100 XP
  • Dùng hàm điểm phần trăm .ppf() của norm để tìm giá trị VaR tại mức độ tin cậy 95%.
  • Tiếp theo, tìm VaR 99% bằng quantile() của Numpy áp dụng lên 100.000 lần draws ngẫu nhiên từ phân phối Normal.
  • So sánh VaR 95% và 99% bằng một câu lệnh print.
  • Vẽ phân phối Normal và thêm một đường biểu thị VaR 95%.