Pas een GARCH-model met scheve t-verdeling toe
De aanname van een normale verdeling voor de gestandaardiseerde residuen in GARCH-modellen is niet representatief voor de echte financiële wereld. Dikke staarten en scheefheid komen vaak voor in financiële rendementgegevens.
In deze oefening verbeter je het GARCH-model door uit te gaan van een scheve Student's t-verdeling. Daarnaast vergelijk je de door het model geschatte volatiliteit met die van een model met een normale verdelingsaanname door ze samen te plotten.
Er is al een GARCH-model met de standaard aanname van een normale verdeling voor je gefit, en de volatiliteitsschatting is opgeslagen in normal_vol.
Deze oefening maakt deel uit van de cursus
GARCH-modellen in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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.____()