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 AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • 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 AcademyHojas de rutaRutas
Ctrl K
AO
+1,2 k estudiantes
Iniciar sesiónUnirse ↗
Hojas de rutaRutas
AO
+1,2 k estudiantes
Iniciar sesión
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Ruta de statsmodels›Módulo 3 · Cortes transversales y colas›Tema 3.2·~55 minAvanzado

Regresión cuantílica para el valor en riesgo

Posición en la rutaMódulo 3 de 3 · Tema 2 de 4
3.2 Regresión cuantílica para el valor en riesgo
—Puntuación del lab— / 100XP total—Racha—

Modelar la cola, no la media

Los mínimos cuadrados ajustan la media: minimizan Σeₜ². El cuantil q de y dado x es el valor bajo el cual cae una proporción q de los resultados, y la regresión cuantílica lo ajusta minimizando la pérdida pinball Σρ_q(eₜ) con ρ_q(e)=max(q e, (q-1) e) y e=y-pred. Un pronóstico por debajo cuesta q por unidad, uno por encima 1-q: la asimetría tira de la recta hacia el cuantil q. Con q=0,5 la pérdida es la mitad del error absoluto y el ajuste es la mediana. QuantReg(y, sm.add_constant(X)).fit(q=0.05) ajusta el cuantil del 5 %; res.params contiene el intercepto y las pendientes. Cuantiles distintos pueden tener pendientes distintas, y ese es el punto: el efecto de x puede recaer en la dispersión del resultado, no en su centro.

Use la volatilidad anualizada a 21 días para predecir el rendimiento del día siguiente de SPY en 5.383 días. La pendiente es -0,096 en el cuantil del 5 %, +0,087 en el del 95 % y 0,001 en la mediana, mientras que los mínimos cuadrados hallan 0,0008: la media no se mueve con la volatilidad, las colas sí, en ambas direcciones. El ajuste del 5 % se convierte en una tabla de valor en riesgo, -(a+b·vol): 1,2 % con una volatilidad del 10 %, 2,2 % al 20 %, 6,3 % al 60 %. Júzguelo como un pronóstico. La pérdida pinball en el último 30 % de los días es 0,001295 frente a 0,001342 del cuantil del 5 % incondicional, una mejora modesta. La cobertura, la proporción de días con rendimiento bajo el cuantil predicho, debería rondar el 5 % en todas partes. El valor en riesgo incondicional se supera el 2,2 % de los días tranquilos y el 7,8 % de los agitados; el condicional da 6,7 %, 4,3 %, 2,8 %: mejor equilibrado, no perfecto, que es el aspecto de la honestidad fuera de muestra.

  • La regresión cuantílica minimiza la pérdida pinball max(qe,(q-1)e) y ajusta cualquier cuantil, no solo la media.
  • Las pendientes pueden diferir por cuantil: la volatilidad mueve las colas del rendimiento siguiente y deja su media.
  • Compruebe la cobertura en general y por régimen: un valor en riesgo del 5 % debe superarse cerca del 5 % del tiempo en todas partes.

Lab: qué se califica

  • El ajuste cuantílico10 pts
  • Pendientes por cuantil10 pts
  • El cuantil ajustado5 pts
  • La pérdida pinball15 pts
  • La cobertura5 pts
  • Cobertura por tercil de volatilidad15 pts
  • Valores en riesgo10 pts
  • Fuera de muestra15 pts
  • El estudio cuantílico15 pts
Explorador · lab-sx-20
▾ lab-sx-20
▾ data
…
bash · en el navegador
learner@quantcraft:~/lab-sx-20$
Python aún no cargadoPythonLn 1, Col 1Spaces: 4UTF-8

¿Restablecer este tema?

Todo lo que hay en lab-sx-20 vuelve a los archivos iniciales y se limpia el terminal. Tu solución actual se perderá: no se puede deshacer.

Se restablecerá
  • main.py → código inicial
  • Historial del terminal y salida de pruebas
  • Cambios sin enviar
Se conservará
  • Mejor puntuación del lab
  • Tu XP y tu racha
  • Progreso de la lección y notas

Inicia sesión para ejecutar tu código.

Todas las clases se pueden leer gratis. Crea una cuenta o inicia sesión para ejecutar código, lanzar las pruebas y enviar este lab.

  • IDE en el navegador con terminal bash — sin instalar nada
  • Corrección instantánea, XP y tu lugar en la ruta
Crear una cuentaIniciar sesión
O
Continuar con GitHub