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 AcademyRoadmapsRoteiros
Ctrl K
AO
+1,2 mil alunos
EntrarParticipar ↗
RoadmapsRoteiros
AO
+1,2 mil alunos
Entrar
  • 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 AcademyRoadmapsRoteiros
Ctrl K
AO
+1,2 mil alunos
EntrarParticipar ↗
RoadmapsRoteiros
AO
+1,2 mil alunos
Entrar
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
Roteiro de statsmodels›Módulo 3 · Cortes transversais e caudas›Tópico 3.2·~55 minAvançado

Regressão quantílica para o valor em risco

Posição no roteiroMódulo 3 de 3 · Tópico 2 de 4
3.2 Regressão quantílica para o valor em risco
—Nota do lab— / 100XP total—Sequência—

Modelar a cauda, não a média

Os mínimos quadrados ajustam a média: minimizam Σeₜ². O quantil q de y dado x é o valor abaixo do qual cai uma parcela q dos resultados, e a regressão quantílica o ajusta minimizando a perda pinball Σρ_q(eₜ) com ρ_q(e)=max(q e, (q-1) e) e e=y-pred. Uma previsão abaixo custa q por unidade, uma acima 1-q: a assimetria puxa a reta para o quantil q. Com q=0,5 a perda é metade do erro absoluto e o ajuste é a mediana. QuantReg(y, sm.add_constant(X)).fit(q=0.05) ajusta o quantil de 5 %; res.params guarda o intercepto e as inclinações. Quantis diferentes podem ter inclinações diferentes, e esse é o ponto: o efeito de x pode recair sobre a dispersão do resultado, não sobre seu centro.

Use a volatilidade anualizada de 21 dias para prever o retorno do dia seguinte do SPY em 5.383 dias. A inclinação é -0,096 no quantil de 5 %, +0,087 no de 95 % e 0,001 na mediana, enquanto os mínimos quadrados acham 0,0008: a média não se move com a volatilidade, as caudas sim, nos dois sentidos. O ajuste de 5 % vira uma tabela de valor em risco, -(a+b·vol): 1,2 % com volatilidade de 10 %, 2,2 % a 20 %, 6,3 % a 60 %. Julgue-o como uma previsão. A perda pinball nos últimos 30 % dos dias é 0,001295 contra 0,001342 do quantil de 5 % incondicional, um ganho modesto. A cobertura, a parcela de dias com retorno abaixo do quantil previsto, deveria ficar perto de 5 % em toda parte. O valor em risco incondicional é rompido em 2,2 % dos dias calmos e 7,8 % dos agitados; o condicional dá 6,7 %, 4,3 %, 2,8 %: mais equilibrado, não perfeito, que é a cara da honestidade fora da amostra.

  • A regressão quantílica minimiza a perda pinball max(qe,(q-1)e) e ajusta qualquer quantil, não só a média.
  • As inclinações podem diferir por quantil: a volatilidade move as caudas do retorno seguinte e deixa sua média.
  • Verifique a cobertura no total e por regime: um valor em risco de 5 % deve ser rompido cerca de 5 % do tempo em toda parte.

Lab: o que é avaliado

  • O ajuste quantílico10 pts
  • Inclinações por quantil10 pts
  • O quantil ajustado5 pts
  • A perda pinball15 pts
  • A cobertura5 pts
  • Cobertura por tercil de volatilidade15 pts
  • Valores em risco10 pts
  • Fora da amostra15 pts
  • O estudo quantílico15 pts
Explorador · lab-sx-20
▾ lab-sx-20
▾ data
…
bash · no navegador
learner@quantcraft:~/lab-sx-20$
Python ainda não carregadoPythonLn 1, Col 1Spaces: 4UTF-8

Redefinir este tópico?

Tudo em lab-sx-20 volta aos arquivos iniciais e o terminal é limpo. Sua solução atual será perdida — isso não pode ser desfeito.

Será redefinido
  • main.py → código inicial
  • Histórico do terminal e saída dos testes
  • Alterações não enviadas
Será mantido
  • Melhor nota do lab
  • Seu XP e sua sequência
  • Progresso da aula e anotações

Entre para executar o seu código.

Todas as aulas são gratuitas para ler. Crie uma conta ou entre para executar código, rodar os testes e enviar este lab.

  • IDE no navegador com terminal bash — nada para instalar
  • Correção instantânea, XP e o seu lugar no roteiro
Criar uma contaEntrar
OU
Continuar com o GitHub