GJR-GARCH と EGARCH を比較する
これまでに、Bitcoin のリターン時系列に対して GJR-GARCH と EGARCH モデルを当てはめました。この演習では、2つのモデルから推定された条件付きボラティリティをプロットし、その結果を比較します。
GJR-GARCH モデルの推定ボラティリティは gjrgm_vol、EGARCH モデルの推定ボラティリティは egarch_vol に保存されています。これらを、bitcoin_data の列 "Return" で参照できる実際のBitcoinのリターン観測値とあわせてプロットします。
この演習はコースの一部です
Pythonで学ぶGARCHモデル
演習の手順
- 実際のBitcoinのリターンをプロットします。
- GJR-GARCH の推定ボラティリティをプロットします。
- EGARCH の推定ボラティリティをプロットします。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Plot the actual Bitcoin returns
plt.plot(bitcoin_data['____'], color = 'grey', alpha = 0.4, label = 'Price Returns')
# Plot GJR-GARCH estimated volatility
plt.plot(____, color = 'gold', label = 'GJR-GARCH Volatility')
# Plot EGARCH estimated volatility
plt.plot(____, color = 'red', label = 'EGARCH Volatility')
plt.legend(loc = 'upper right')
plt.show()