σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyRoadmapsSkills
Ctrl K
AO
+1,2 Tsd. Lernende
AnmeldenBeitreten ↗
RoadmapsSkills
AO
+1,2 Tsd. Lernende
Anmelden
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft AcademyRoadmapsSkills
Ctrl K
AO
+1,2 Tsd. Lernende
AnmeldenBeitreten ↗
RoadmapsSkills
AO
+1,2 Tsd. Lernende
Anmelden
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
statsmodels-Skill›Modul 3 · Querschnitte und Ränder›Thema 3.2·~55 Min.Fortgeschritten

Quantilsregression für den Value at Risk

Position in der SkillModul 3 von 3 · Thema 2 von 4
3.2 Quantilsregression für den Value at Risk
—Lab-Punkte— / 100XP gesamt—Serie—

Den Rand modellieren, nicht den Mittelwert

Die Kleinste-Quadrate-Methode passt den Mittelwert an: Sie minimiert Σeₜ². Das q-Quantil von y gegeben x ist der Wert, unter dem ein Anteil q der Ergebnisse liegt, und die Quantilsregression passt es an, indem sie den Pinball-Verlust Σρ_q(eₜ) mit ρ_q(e)=max(q e, (q-1) e) und e=y-pred minimiert. Eine Unterschätzung kostet q je Einheit, eine Überschätzung 1-q: Die Asymmetrie zieht die Gerade zum q-Quantil. Bei q=0,5 ist der Verlust der halbe absolute Fehler und die Anpassung der Median. QuantReg(y, sm.add_constant(X)).fit(q=0.05) passt das 5-%-Quantil an; res.params enthält Achsenabschnitt und Steigungen. Verschiedene Quantile können verschiedene Steigungen haben, und genau das ist der Punkt: Der Effekt von x kann die Streuung des Ergebnisses betreffen, nicht sein Zentrum.

Man nutzt die annualisierte 21-Tage-Volatilität, um die SPY-Rendite des nächsten Tages über 5.383 Tage vorherzusagen. Die Steigung ist -0,096 beim 5-%-Quantil, +0,087 beim 95-%-Quantil und 0,001 beim Median, während Kleinste Quadrate 0,0008 finden: Der Mittelwert bewegt sich nicht mit der Volatilität, die Ränder aber schon, in beide Richtungen. Die 5-%-Anpassung wird zu einer Value-at-Risk-Tabelle, -(a+b·vol): 1,2 % bei einer Volatilität von 10 %, 2,2 % bei 20 %, 6,3 % bei 60 %. Man beurteilt sie wie eine Prognose. Der Pinball-Verlust auf den letzten 30 % der Tage beträgt 0,001295 gegen 0,001342 für das unbedingte 5-%-Quantil, ein bescheidener Gewinn. Die Abdeckung, der Anteil der Tage mit einer Rendite unter dem vorhergesagten Quantil, sollte überall nahe 5 % liegen. Der unbedingte VaR wird an 2,2 % der ruhigen und 7,8 % der stürmischen Tage verletzt; der bedingte liefert 6,7 %, 4,3 %, 2,8 %: besser ausbalanciert, nicht perfekt, so sieht Ehrlichkeit außerhalb der Stichprobe aus.

  • Quantilsregression minimiert den Pinball-Verlust max(qe,(q-1)e) und passt jedes Quantil an, nicht nur den Mittelwert.
  • Steigungen können je Quantil verschieden sein: Die Volatilität bewegt die Ränder der nächsten Rendite und lässt den Mittelwert in Ruhe.
  • Abdeckung prüfen, insgesamt und je Regime: Ein 5-%-VaR sollte überall etwa 5 % der Zeit verletzt werden.

Lab: Was bewertet wird

  • Die Quantilsanpassung10 Pkt.
  • Steigungen je Quantil10 Pkt.
  • Das angepasste Quantil5 Pkt.
  • Der Pinball-Verlust15 Pkt.
  • Die Abdeckung5 Pkt.
  • Abdeckung je Volatilitäts-Terzil15 Pkt.
  • Value-at-Risk-Werte10 Pkt.
  • Außerhalb der Stichprobe15 Pkt.
  • Die Quantilsstudie15 Pkt.
Explorer · lab-sx-20
▾ lab-sx-20
▾ data
…
bash · im Browser
learner@quantcraft:~/lab-sx-20$
Python noch nicht geladenPythonLn 1, Col 1Spaces: 4UTF-8

Dieses Thema zurücksetzen?

Alles in lab-sx-20 wird auf die Startdateien zurückgesetzt und das Terminal geleert. Ihre aktuelle Lösung geht verloren – das lässt sich nicht rückgängig machen.

Wird zurückgesetzt
  • main.py → Startcode
  • Terminal-Verlauf und Testausgabe
  • Nicht eingereichte Änderungen
Bleibt erhalten
  • Beste Lab-Punktzahl
  • Ihre XP und Ihre Serie
  • Vorlesungsfortschritt und Notizen

Melde dich an, um deinen Code auszuführen.

Alle Lektionen kannst du kostenlos lesen. Erstelle ein Konto oder melde dich an, um Code auszuführen, Tests zu starten und dieses Lab abzugeben.

  • IDE im Browser mit Bash-Terminal — nichts zu installieren
  • Sofortige Bewertung, XP und dein Platz auf der Skill
Konto erstellenAnmelden
ODER
Weiter mit GitHub