평균 모형이 변동성 예측에 미치는 영향
실무에서는 수익률과 변동성을 별도의 과정으로 모형화합니다. 일반적으로 평균에 대한 가정은 예측 수익률에 영향을 주지만, 변동성 추정에는 영향이 비교적 작습니다.
이 연습 문제에서는 평균에 대한 가정이 변동성 추정에 미치는 영향을 두 개의 GARCH 모델을 비교하여 살펴봅니다. 두 모델은 서로 다른 평균 가정을 사용해 정의되었고 S&P 500 데이터로 적합했습니다.
"상수 평균" 가정을 사용한 모델의 결과는 cmean_result에, 추정된 변동성은 cmean_vol에 저장되어 있습니다. "AR(1)"(1시차 자기회귀) 평균 가정을 사용한 모델의 결과는 armean_result에, 추정된 변동성은 armean_vol에 저장되어 있습니다. matplotlib.pyplot과 numpy 모듈은 각각 plt, np로 임포트되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 GARCH 모델
연습 안내
cmean_result와armean_result의 모델 적합 요약을 출력하고 검토하세요.- 두 모델에서 추정한 변동성인
cmean_vol과armean_vol을 시각화하세요. numpy패키지의.corrcoef()함수를 사용해 상관계수를 계산하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Print model summary of GARCH with constant mean
print(____.____())
# Print model summary of GARCH with AR mean
print(____.____())
# Plot model volatility
plt.plot(____, color = 'blue', label = 'Constant Mean Volatility')
plt.plot(____, color = 'red', label = 'AR Mean Volatility')
plt.legend(loc = 'upper right')
plt.show()
# Check correlation of volatility estimations
print(np.____(____, ____)[0,1])