Observa el impacto de los parámetros del modelo
En este ejercicio, volverás a llamar a la función predefinida simulate_GARCH() y estudiarás el impacto de los parámetros del modelo GARCH en los resultados simulados.
En concreto, simularás dos series temporales GARCH(1,1); ambas tienen el mismo omega y alpha, pero diferentes valores de beta como entrada.
Recuerda que en GARCH(1,1), como \(\beta\) es el coeficiente de la varianza rezagada en 1, si \(\alpha\) es fijo, cuanto mayor sea \(\beta\), más durará el efecto. En otras palabras, los periodos de alta o baja volatilidad tienden a persistir. Fíjate en los gráficos y comprueba si puedes verificar el impacto de \(\beta\).
Este ejercicio forma parte del curso
Modelos GARCH en Python
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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()