Mean मॉडल का volatility प्रेडिक्शंस पर प्रभाव
व्यवहार में, रिटर्न्स और वोलैटिलिटी को अलग-अलग प्रोसेसेज़ में मॉडल किया जाता है। आम तौर पर mean से जुड़ी मान्यताएँ अनुमानित रिटर्न्स को प्रभावित करती हैं, लेकिन वोलैटिलिटी के आकलन पर इनका प्रभाव मामूली होता है.
इस अभ्यास में, आप दो GARCH मॉडलों की तुलना करके वोलैटिलिटी आकलन पर GARCH मॉडल की mean मान्यताओं के प्रभाव की जाँच करेंगे। इन मॉडलों को अलग-अलग mean मान्यताओं के साथ परिभाषित किया गया है और S&P 500 डेटा पर फिट किया गया है.
"constant mean" मान्यता वाले मॉडल के परिणाम cmean_result में सेव हैं, और उसकी अनुमानित वोलैटिलिटी cmean_vol में सेव है। "AR(1)" या 1-lag autoregressive mean मान्यता वाले मॉडल के परिणाम armean_result में सेव हैं, और उसकी अनुमानित वोलैटिलिटी armean_vol में सेव है। matplotlib.pyplot और numpy मॉड्यूल क्रमशः plt और np नाम से इम्पोर्ट किए गए हैं.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में GARCH मॉडल
अभ्यास निर्देश
cmean_resultऔरarmean_resultकी मॉडल फिटिंग summaries प्रिंट करें और समीक्षा करें.- दोनों मॉडलों से वोलैटिलिटी आकलन
cmean_volऔरarmean_volको प्लॉट करें. - correlation coefficient निकालने के लिए
numpyपैकेज के.corrcoef()फंक्शन का उपयोग करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Print model summary of GARCH with constant mean
print(____.____())
# Print model summary of GARCH with AR mean
print(____.____())
# Plot model volatility
plt.plot(____, color = 'blue', label = 'Constant Mean Volatility')
plt.plot(____, color = 'red', label = 'AR Mean Volatility')
plt.legend(loc = 'upper right')
plt.show()
# Check correlation of volatility estimations
print(np.____(____, ____)[0,1])