Melakukan fitting model GARCH pada cryptocurrency
Pasar keuangan cenderung bereaksi sangat berbeda terhadap kejutan berita positif dan negatif, dan salah satu contohnya adalah gejolak tajam yang terlihat di pasar cryptocurrency dalam beberapa tahun terakhir.
Dalam latihan ini, Anda akan mengimplementasikan model GJR-GARCH dan EGARCH di Python, yang populer untuk memodelkan respons volatilitas yang asimetris. Anda akan bekerja dengan himpunan data cryptocurrency bitcoin_data, yang berisi dua kolom: harga "Close" dan "Return".
Himpunan data bitcoin_data telah dimuat untuk Anda, dan harga historis pada kolom "Close" telah diplot.
Latihan ini adalah bagian dari kursus
Model GARCH di Python
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# 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(____.____())