GEV 风险估计
假设在 2010 年 1 月 1 日，您持有 € 1,000,000 的 GE 股票。您希望基于 2008—2009 年这两年的可用数据，覆盖接下来一周内可能发生的"预期"最大损失。您假设 GE 的每周最大损失服从广义极值分布（Generalized Extreme Value，GEV）。
为了对预期损失建模，您将估计 GEV 分布在 99% 置信水平下的 CVaR，并用它来计算在 2010 年 1 月需要预留的金额，以覆盖预期的每周最大损失。
scipy.stats 中的 genextreme 分布已经在您的工作空间可用，同时还提供了 GE 在 2008—2009 年期间的 losses。
本练习是课程的一部分
Python 中的定量风险管理
练习说明
- 以 1 周为区间，找到 GE 资产价格的一周区间内的最大值。
- 将 GEV 分布
genextreme拟合到weekly_maxima数据。 - 计算 99% VaR，并据此求出 99% CVaR 的估计值。
- 计算覆盖预期每周最大损失所需的准备金。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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)