1. Learn
    2. /
  2. 课程
    3. /
  3. Python 中的定量风险管理
Connected

道练习

参数估计：正态分布

参数估计 是最有力的 VaR 估计方法之一，因为它假设损失分布的类别是已知的。我们通过估计参数使数据适配该分布，然后进行统计推断。

在本练习中，您将把 2007–2009 年的投行数据拟合为正态分布，并据此估计 95% VaR。您将使用 scipy.stats 中的 norm 分布，假设它是最合适的分布类别。

正态分布拟合得好吗？您将用 scipy.stats.anderson 的 Anderson–Darling 检验来测试。如果检验结果在统计上显著偏离 0，这表明数据不是正态分布。下一练习中我们将进一步处理这一点。

2005–2010 年期间的投资组合 losses 已提供。

说明

100 XP
  • 从 scipy.stats 导入 norm 和 anderson。
  • 使用 .fit() 方法将 losses 拟合为正态分布，并将分布参数保存到 params。
  • 基于拟合分布生成并展示 95% VaR 的估计值。
  • 使用 Anderson–Darling 检验 anderson() 对 losses 的正态性原假设进行检验。