Contexto empresarial
El departamento de Riesgos está realizando un 'Stress Test' para eventos de cisne negro (extremadamente raros). Se requiere forzar el análisis para que se concentre exclusivamente en el 5% más extremo de las pérdidas (Tail Risk) con una precisión estadística muy alta para validar la estabilidad del modelo en crisis.
Preparación de datos
Datos con alta curtosis para simular eventos extremos frecuentes.
¡Copiado!
| 1 | |
| 2 | PROC CAS; |
| 3 | dataStep.runCode / code = " |
| 4 | data casuser.stress_copula; |
| 5 | call streaminit(888); |
| 6 | do i = 1 to 2000; |
| 7 | u_mercado = rand('UNIFORM'); |
| 8 | u_credito = rand('UNIFORM'); |
| 9 | output; |
| 10 | end; |
| 11 | |
| 12 | run; |
| 13 | |
| 14 | data casuser.stress_mercado; |
| 15 | call streaminit(11); |
| 16 | do i = 1 to 5000; |
| 17 | pnl = rand('T', 3) * 10000; |
| 18 | if pnl > 0 then output; |
| 19 | end; |
| 20 | |
| 21 | run; |
| 22 | |
| 23 | data casuser.stress_credito; |
| 24 | call streaminit(22); |
| 25 | do i = 1 to 5000; |
| 26 | pnl = rand('LOGNORMAL', 6, 2); |
| 27 | output; |
| 28 | end; |
| 29 | |
| 30 | run; |
| 31 | "; |
| 32 | |
| 33 | RUN; |
| 34 |
Étapes de réalisation
1
Ejecución de ECM configurando inicio de cola alto y alta precisión
¡Copiado!
| 1 | |
| 2 | PROC CAS; |
| 3 | ecm.ecm / copulaSample={name="stress_copula", caslib="casuser"} marginals={{TABLE={name="stress_mercado", caslib="casuser"}, sampleVarName="pnl"}, {TABLE={name="stress_credito", caslib="casuser"}, sampleVarName="pnl"}} analysisVariables={"u_mercado", "u_credito"} tailStart=0.95 tailEDFAccuracy=0.0001 OUTPUT={outSample={name="stress_results", caslib="casuser"}} outsum={outSummary={name="stress_stats", caslib="casuser"}, tVaRLevels={{percentileLevel=99}, {percentileLevel=99.9}}} seed=777; |
| 4 | |
| 5 | RUN; |
| 6 |
Resultado esperado
La acción modela específicamente el comportamiento a partir del cuantil 0.95 (`tailStart=0.95`), aplicando una precisión estricta (`tailEDFAccuracy`) para asegurar que las estimaciones de TVaR al 99.9% sean matemáticamente robustas frente a la escasez de datos en la cola extrema.