Melatih GARCH dengan sebaran t-belengkok
Asumsi sebaran normal default untuk residual terdistorisasi yang digunakan dalam model GARCH tidak mewakili kondisi keuangan nyata. Ekor gemuk dan kemencengan (skewness) sering ditemukan pada data imbal hasil keuangan.
Dalam latihan ini, Anda akan meningkatkan model GARCH dengan menggunakan asumsi sebaran t Student yang belengkok (skewed). Selain itu, Anda akan membandingkan volatilitas hasil estimasi model tersebut dengan model yang berasumsi sebaran normal dengan memplot keduanya secara berdampingan.
Sebuah model GARCH dengan asumsi sebaran normal default telah dipasang untuk Anda, dan estimasi volatilitasnya disimpan dalam normal_vol.
Latihan ini adalah bagian dari kursus
Model GARCH di Python
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# Specify GARCH model assumptions
skewt_gm = arch_model(sp_data['Return'], p = 1, q = 1, mean = 'constant', vol = 'GARCH', ____ = '____')
# Fit the model
skewt_result = skewt_gm.____()