GARCH 공분산 계산하기
공분산은 두 수익률 시계열이 함께 움직이는 관계를 설명합니다. 동적 공분산은 ρ * σ1 * σ2로 계산할 수 있으며, 여기서 σ1과 σ2는 GARCH 모델에서 추정한 변동성이고 ρ는 GARCH 표준화 잔차의 단순 상관계수입니다.
이 연습 문제에서는 GARCH 모델로 동적 공분산을 계산해 보겠습니다. 구체적으로 두 개의 외환 시계열 데이터 EUR/USD와 USD/CAD(그래프에 표시됨)를 사용합니다. 각 수익률은 두 개의 GARCH 모델로 적합되었고, 변동성 추정치는 vol_eur와 vol_cad에 저장되어 있습니다. 또한 표준화 잔차는 각각 resid_eur와 resid_cad에 저장되어 있습니다. 추가로 numpy 패키지는 np로 임포트되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 GARCH 모델
연습 안내
- GARCH 표준화 잔차
resid_eur와resid_cad의 상관계수를 계산하세요. - 앞 단계에서 계산한 상관계수와 GARCH 변동성
vol_eur,vol_cad를 사용해 공분산을 계산하세요. - 계산된
covariance를 시각화하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Calculate correlation
corr = np.____(____, ____)[0,1]
print('Correlation: ', corr)
# Calculate GARCH covariance
covariance = ____ * ____ * ____
# Plot the data
plt.plot(____, color = 'gold')
plt.title('GARCH Covariance')
plt.show()