Osserva l’impatto dei parametri del modello
In questo esercizio richiamerai di nuovo la funzione predefinita simulate_GARCH() e studierai l’impatto dei parametri del modello GARCH sui risultati simulati.
In particolare, simulerai due serie temporali GARCH(1,1) con lo stesso omega e alpha, ma con valori diversi di beta in input.
Ricorda che in un GARCH(1,1), dato che \(\beta\) è il coefficiente della varianza al ritardo 1, a alpha fissato, più grande è \(\beta\), più a lungo dura l’effetto. In altre parole, periodi di alta o bassa volatilità tendono a persistere. Osserva con attenzione i grafici e verifica se riesci a confermare l’effetto di \(\beta\).
Questo esercizio fa parte del corso
Modelli GARCH in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# First simulated GARCH
sim_resid, sim_variance = simulate_GARCH(n = ____, omega = ____,
alpha = ____, beta = ____)
plt.plot(sim_variance, color = 'orange', label = 'Variance')
plt.plot(sim_resid, color = 'green', label = 'Residuals')
plt.legend(loc='upper right')
plt.show()