1. 标普500指数VaR计算#
使用yfinance获取标普500指数（代码^GSPC）2018-2023年历史数据，采用历史模拟法计算其95%置信水平的日度VaR（假设投资组合价值为100万美元）。请给出完整的数据获取代码和收益率计算过程。
数据依赖示例：
code
import yfinance as yf
# 获取5年历史数据
sp500 = yf.download('^GSPC', start='2018-01-01', end='2023-01-01')['Close']
# 计算日收益率
returns = sp500.pct_change().dropna()2. 股债组合CVaR对比分析#
构建两个投资组合：
-
组合A：等权重的苹果(AAPL)、微软(MSFT)、亚马逊(AMZN)
-
组合B：70%权重股票（AAPL、MSFT、AMZN各占23.33%）+ 30%债券（TLT）
使用yfinance获取2017-2022年历史数据，分别计算两个组合在99%置信水平下的CVaR。请提供完整的资产数据获取代码和组合权重设置方法。
数据依赖提示：
code
# 股票与债券数据获取
assets = ['AAPL', 'MSFT', 'AMZN', 'TLT']
data = yf.download(assets, start='2017-01-01', end='2022-01-01')['Close']3. 置信水平对风险指标的影响机制#
对NASDAQ指数（^IXIC）2020-2023年数据进行以下分析：
-
分别计算95%和99%置信水平的VaR、CVaR
-
比较两个置信水平下(CVaR - VaR)的差值变化
-
解释为何提高置信水平会导致VaR和CVaR变化幅度不同
数据依赖要求：
code
# 获取NASDAQ指数数据
nasdaq = yf.download('^IXIC', start='2020-01-01', end='2023-01-01')['Close']
# 计算对数收益率
import numpy as np
returns = np.log(nasdaq/nasdaq.shift(1)).dropna()