Wenn ein GARCH-Modell gute Arbeit leistet, sollten die standardisierten Residuen keine Autokorrelationen aufweisen. In dieser Übung übst du, mithilfe eines ACF-Plots Autokorrelationen in den Daten zu erkennen.

Der Korrelationskoeffizient zwischen zwei Werten in einer Zeitreihe wird Autokorrelationsfunktion (ACF) genannt, und ein ACF-Plot ist die visuelle Darstellung der Korrelationen zwischen verschiedenen Lags. In den Python-Paketen statsmodels gibt es vordefinierte Funktionen, mit denen du ACF-Plots einfach erzeugen kannst.

Ein GARCH-Modell wurde mit den S&P-500-Renditedaten geschätzt, und seine standardisierten Residuen wurden berechnet und in std_resid gespeichert. matplotlib.pyplot wurde als plt importiert.

Backtesting von GARCH-Modellen

Create Your Free Account