Observer l'impact des paramètres du modèle
Dans cet exercice, vous allez réutiliser la fonction prédéfinie simulate_GARCH() et étudier l'effet des paramètres du modèle GARCH sur les résultats simulés.
Plus précisément, vous allez simuler deux séries temporelles GARCH(1,1) qui ont le même omega et le même alpha, mais des valeurs de beta différentes en entrée.
Rappelez-vous que dans un GARCH(1,1), comme \(\beta\) est le coefficient de la variance à un décalage (lag 1), si \(\alpha\) est fixé, plus \(\beta\) est grand, plus l'effet persiste dans le temps. Autrement dit, les périodes de forte ou faible volatilité ont tendance à durer. Portez attention aux graphiques obtenus pour vérifier l'impact de \(\beta\).
Cette activité fait partie du cours
Modèles GARCH en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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()