शुरू करेंमुफ़्त में शुरू करें

GARCH covariance की गणना करें

Covariance दो price return series के बीच मूवमेंट के संबंध को बताती है। याद करें, dynamic covariance को ρ * σ1 * σ2 के रूप में निकाला जा सकता है, जहाँ σ1, σ2 GARCH मॉडलों से मिली volatility estimates हैं, और ρ GARCH standardized residuals के simple correlation के बराबर होता है.

इस अभ्यास में, आप GARCH मॉडलों के साथ dynamic covariance निकालने का अभ्यास करेंगे। विशेष रूप से, आप दो foreign exchange time series डेटा का उपयोग करेंगे: EUR/USD और USD/CAD (प्लॉट में दिखाए गए)। इनके price returns पर दो GARCH मॉडल फिट किए गए हैं, और volatility estimates vol_eur और vol_cad में सेव हैं। साथ ही, इनके standardized residuals क्रमशः resid_eur और resid_cad में सेव हैं। अतिरिक्त रूप से, numpy पैकेज np के रूप में इम्पोर्ट किया गया है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

Python में GARCH मॉडल

पाठ्यक्रम देखें

अभ्यास निर्देश

  • GARCH standardized residuals resid_eur और resid_cad के बीच correlation निकालें.
  • पिछले चरण में निकाले गए correlation तथा GARCH volatility vol_eur, vol_cad के साथ covariance की गणना करें.
  • निकाली गई covariance को प्लॉट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

# 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()
कोड संपादित करें और चलाएँ