Calcular la covarianza GARCH
La covarianza describe cómo se mueven conjuntamente dos series de rendimientos. Recuerda que la covarianza dinámica puede calcularse como ρ * σ1 * σ2, donde σ1 y σ2 son las estimaciones de volatilidad de modelos GARCH, y ρ es la correlación simple entre los residuos tipificados de GARCH.
En este ejercicio, vas a practicar el cálculo de la covarianza dinámica con modelos GARCH. En concreto, usarás dos series temporales de divisas: EUR/USD y USD/CAD (mostradas en la gráfica). Sus rendimientos se han ajustado con dos modelos GARCH, y las estimaciones de volatilidad se han guardado en vol_eur y vol_cad. Además, sus residuos tipificados se han guardado en resid_eur y resid_cad, respectivamente. Asimismo, el paquete numpy se ha importado como np.
Este ejercicio forma parte del curso
Modelos GARCH en Python
Instrucciones del ejercicio
- Calcula la correlación entre los residuos tipificados de GARCH
resid_euryresid_cad. - Calcula la covarianza con la volatilidad GARCH
vol_eur,vol_cady la correlación calculada en el paso anterior. - Dibuja la
covariancecalculada.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Calculate correlation
corr = np.____(____, ____)[0,1]
print('Correlation: ', corr)
# Calculate GARCH covariance
covariance = ____ * ____ * ____
# Plot the data
plt.plot(____, color = 'gold')
plt.title('GARCH Covariance')
plt.show()