Adatta modelli GARCH alle criptovalute
I mercati finanziari tendono a reagire in modo diverso a notizie positive e negative; un esempio sono le forti oscillazioni osservate nel mercato delle criptovalute negli ultimi anni.
In questo esercizio implementerai in Python un modello GJR-GARCH e un modello EGARCH, scelte comuni per modellare le risposte asimmetriche della volatilità. Lavorerai con un insieme di dati sulle criptovalute, bitcoin_data, che contiene due colonne: prezzo di chiusura "Close" e "Return".
Il dataset bitcoin_data è già stato caricato per te e i prezzi storici nella colonna "Close" sono stati tracciati.
Questo esercizio fa parte del corso
Modelli GARCH in Python
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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(____.____())