Prognoseergebnisse vergleichen
Verschiedene Rolling-Window-Ansätze können zu unterschiedlichen Prognosen führen. In dieser Übung schauen wir uns das genauer an, indem wir diese Prognoseergebnisse vergleichen.
Zuerst verwendest du ein GARCH-Modell, um die Rendite-Volatilität von Bitcoin einmal mit einem wachsenden Fenster (expanding window) und einmal mit einem festen Rolling-Window-Ansatz zu prognostizieren. Anschließend zeichnest du beide Prognosen in einem Diagramm, um den Unterschied sichtbar zu machen.
Der Bitcoin-Datensatz ist in bitcoin_data vorab geladen; du kannst die Spalten 'Close' und 'Return' gerne erkunden. Die mit einem wachsenden Fenster erzeugte Varianzprognose ist in variance_expandwin gespeichert, die mit einem festen Rolling-Window-Ansatz in variance_fixedwin.
Diese Übung ist Teil des Kurses
GARCH-Modelle in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Print top 5 rows of variance forecast with an expanding window
print(____.____())
# Print top 5 rows of variance forecast with a fixed rolling window
print(____.____())