ARCH और GARCH सीरीज़ का सिम्युलेशन
इस अभ्यास में, आप एक प्री-डिफ़ाइंड फ़ंक्शन simulate_GARCH(n, omega, alpha, beta = 0) का उपयोग करके क्रमशः ARCH(1) और GARCH(1,1) टाइम सीरीज़ सिम्युलेट करेंगे.
याद करें: ARCH(1) और GARCH(1,1) मॉडल में अंतर यह है कि lag-1 रेजिडुअल के स्क्वायर पर गुणा होने वाले ऑटो-रेग्रेसिव कंपोनेंट \(\alpha\) के अलावा, GARCH मॉडल में lag-1 variance पर गुणा होने वाला मूविंग एवरेज कंपोनेंट \(\beta\) भी शामिल होता है.
यह प्री-डिफ़ाइंड फ़ंक्शन आपके द्वारा दी गई n (सिम्युलेशनों की संख्या), omega, alpha, और beta (डिफ़ॉल्ट रूप से 0) के आधार पर ARCH/GARCH सीरीज़ सिम्युलेट करेगा. यह सिम्युलेटेड रेजिडुअल्स और variances लौटाएगा. इसके बाद आप ARCH और GARCH प्रोसेस से प्राप्त सिम्युलेटेड variances को प्लॉट करके देखेंगे.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में GARCH मॉडल
अभ्यास निर्देश
omega= 0.1,alpha= 0.7 के साथ एक ARCH(1) प्रोसेस सिम्युलेट करें.omega= 0.1,alpha= 0.7, औरbeta= 0.1 के साथ एक GARCH(1,1) प्रोसेस सिम्युलेट करें.- क्रमशः सिम्युलेटेड ARCH variances और GARCH variances को प्लॉट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Simulate a ARCH(1) series
arch_resid, arch_variance = simulate_GARCH(n= 200,
omega = ____, alpha = ____)
# Simulate a GARCH(1,1) series
garch_resid, garch_variance = simulate_GARCH(n= 200,
omega = ____, alpha = ____,
beta = ____)
# Plot the ARCH variance
plt.plot(____, color = 'red', label = 'ARCH Variance')
# Plot the GARCH variance
plt.plot(____, color = 'orange', label = 'GARCH Variance')
plt.legend()
plt.show()