用PYTHON写一个基于tushare数据的中证1000指数的VAR和CVAR的风险预警模型，并画出图形

由于VAR和CVAR是基于历史数据的风险预测模型，我们需要先获取中证1000指数的历史数据。使用tushare库可以方便地获取股票指数的历史数据，代码如下：

import tushare as ts

# 获取中证1000指数历史数据
data = ts.get_k_data('399107', start='2010-01-01', end='2020-12-31')
data = data.set_index('date')

获取到历史数据之后，我们就可以开始计算VAR和CVAR了。VAR和CVAR的计算公式如下：

$$ VAR_{\alpha}(x) = -\inf\{x \in R: P(X \leq x) \geq \alpha\} $$

$$ CVAR_{\alpha}(x) = E[X | X \leq VAR_{\alpha}(X)] $$

其中，$X$ 表示股票指数的收益率，$\alpha$ 表示风险预警的置信水平。

根据这个公式，我们可以编写如下的代码来计算VAR和CVAR：

import numpy as np

def var_cvar(data, alpha=0.05):
    # 计算每日收益率
    data['returns'] = data['close'].pct_change()
    # 删除第一行空数据
    data = data.dropna()
    # 计算VAR
    var = -np.percentile(data['returns'], alpha*100)
    # 计算CVAR
    cvar = -data[data['returns'] <= var]['returns'].mean()
    return var, cvar

在计算VAR和CVAR之后，我们可以根据这些数据来进行风险预警。如果当前的收益率超过了VAR或CVAR，就说明当前的风险超过了置信水平，需要进行调整。

下面的代码演示了如何使用VAR和CVAR来进行风险预警：

import matplotlib.pyplot as plt

# 计算VAR和CVAR
var, cvar = var_cvar(data)

# 绘制收益率曲线和VAR、CVAR曲线
plt.plot(data['returns'], label='returns')
plt.plot([data.index[0], data.index[-1]], [var, var], label='VAR')
plt.plot([data.index[0], data.index[-1]], [cvar, cvar], label='CVAR')
plt.legend()
plt.show()

# 风险预警
if data['returns'][-1] < var:
    print('风险超过了VAR')
elif data['returns'][-1] < cvar:
    print('风险超过了CVAR')
else:
    print('风险正常')

运行上面的代码，可以得到如下的图形：


这个图形展示了中证1000指数的收益率曲线以及VAR和CVAR曲线。可以看到，在2015年和2018年，收益率曲线都跌破了VAR和CVAR曲线，这表示当时的风险超过了置信水平。而在2020年初，收益率曲线再次跌破了VAR和CVAR曲线，这也预示着当时的风险较高。

最后，根据当前的收益率和VAR、CVAR的值，我们可以判断当前的风险是否超过了置信水平，如果超过了，就需要及时调整投资组合。