Ajusta modelos GARCH a criptomonedas
Los mercados financieros suelen reaccionar de forma muy distinta a noticias positivas y negativas, y un ejemplo claro son los fuertes vaivenes observados en el mercado de criptomonedas en los últimos años.
En este ejercicio, implementarás en Python un modelo GJR-GARCH y un modelo EGARCH, opciones populares para modelar respuestas asimétricas de la volatilidad. Trabajarás con el conjunto de datos de criptomonedas bitcoin_data, que contiene dos columnas: el precio de "Close" y el "Return".
El conjunto de datos bitcoin_data ya está precargado y los precios históricos de la columna "Close" se han representado en un gráfico.
Este ejercicio forma parte del curso
Modelos GARCH en Python
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# Specify model assumptions
gjr_gm = arch_model(bitcoin_data['Return'], p = 1, q = 1, o = ____, vol = 'GARCH', dist = 't')
# Fit the model
gjrgm_result = gjr_gm.fit(disp = 'off')
# Print model fitting summary
print(____.____())