Ajuster des modèles GARCH aux cryptomonnaies
Les marchés financiers réagissent souvent très différemment aux nouvelles positives et négatives, comme en témoignent les variations marquées observées sur le marché des cryptomonnaies ces dernières années.
Dans cet exercice, vous allez implémenter en Python un modèle GJR-GARCH et un modèle EGARCH, deux choix courants pour modéliser les réactions asymétriques de la volatilité. Vous utiliserez un jeu de données de cryptomonnaie bitcoin_data, qui contient deux colonnes : le prix de clôture "Close" et le "Return".
Le jeu de données bitcoin_data a été préchargé pour vous, et les prix historiques de la colonne "Close" ont été tracés.
Cette activité fait partie du cours
Modèles GARCH en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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(____.____())