モデルパラメータの影響を観察する
この演習では、あらかじめ用意された関数 simulate_GARCH() を再度呼び出し、GARCHモデルのパラメータがシミュレーション結果に与える影響を確認します。
具体的には、2つの GARCH(1,1) 時系列をシミュレーションします。入力は同じ omega と alpha を使い、beta だけを変えます。
GARCH(1,1) では、\(\beta\) は1期遅れ分散の係数です。\(\alpha\) を固定すると、\(\beta\) が大きいほどショックの影響が長く続きます。言い換えると、高ボラティリティや低ボラティリティの局面が持続しやすくなります。プロット結果に注意して、\(\beta\) の影響を確かめられるか観察してください。
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。
# 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()