スキュー付きt分布でGARCHを推定する
GARCHモデルで用いられる標準化残差の既定の正規分布の仮定は、現実の金融データを十分に表していません。金融リターンでは、しばしばファットテールや歪度（skewness）が観察されます。
この演習では、スキュー付きのStudentのt分布を仮定してGARCHモデルを改良します。さらに、推定されたボラティリティを、正規分布を仮定したモデルの推定結果と重ねてプロットし、比較します。
既定の正規分布を仮定したGARCHモデルはすでに推定済みで、そのボラティリティ推定はnormal_volに保存されています。
この演習はコースの一部です
Pythonで学ぶGARCHモデル
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。
# 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.____()