歷史期望短缺
Expected Shortfall（期望短缺），也稱為 CVaR（條件在險價值），指的是在最糟情境下的報酬所產生之期望損失。
例如，若你的投資組合的 VaR(95) 為 -3%，那麼 CVaR(95) 就是所有低於 -3% 的損失的平均值。
報酬率資料（百分比）已存於變數 StockReturns_perc。上一個練習算出的 var_95 也已經在你的工作環境中。
本練習屬於課程
Python 投資組合風險管理入門
練習說明
- 計算
StockReturns_perc中所有小於或等於var_95的報酬率平均值，並指定給cvar_95。 - 使用
plt.hist()繪製排序後報酬（sorted_rets）的直方圖。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Historical CVaR 95
cvar_95 = ____
print(cvar_95)
# Sort the returns for plotting
sorted_rets = sorted(StockReturns_perc)
# Plot the probability of each return quantile
____(____, density=True, stacked=True)
# Denote the VaR 95 and CVaR 95 quantiles
plt.axvline(x=var_95, color="r", linestyle="-", label='VaR 95: {0:.2f}%'.format(var_95))
plt.axvline(x=cvar_95, color='b', linestyle='-', label='CVaR 95: {0:.2f}%'.format(cvar_95))
plt.show()