Beobachte die Auswirkung von Modellparametern
In dieser Übung rufst du erneut die vordefinierte Funktion simulate_GARCH() auf und untersuchst die Auswirkung der GARCH-Modellparameter auf simulierte Ergebnisse.
Konkret simulierst du zwei GARCH(1,1)-Zeitreihen. Sie haben dasselbe omega und alpha, aber unterschiedliche beta als Eingabe.
Erinnere dich: In GARCH(1,1) ist \(\beta\) der Koeffizient der Varianz mit Verzögerung 1. Wenn \(\alpha\) fest ist, gilt: Je größer \(\beta\), desto länger hält die Wirkung an. Anders gesagt: Phasen hoher oder niedriger Volatilität neigen dazu, anzuhalten. Achte auf die geplotteten Ergebnisse und prüfe, ob du den Einfluss von \(\beta\) erkennen kannst.
Diese Übung ist Teil des Kurses
GARCH-Modelle in Python
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# First simulated GARCH
sim_resid, sim_variance = simulate_GARCH(n = ____, omega = ____,
alpha = ____, beta = ____)
plt.plot(sim_variance, color = 'orange', label = 'Variance')
plt.plot(sim_resid, color = 'green', label = 'Residuals')
plt.legend(loc='upper right')
plt.show()