Obliczanie kowariancji GARCH
Kowariancja opisuje zależność między ruchami dwóch szeregów zwrotów cenowych. Dynamiczną kowariancję można obliczyć według wzoru ρ * σ1 * σ2, gdzie σ1 i σ2 to szacunki zmienności z modeli GARCH, a ρ to prosta korelacja między zestandaryzowanymi resztami GARCH.
W tym ćwiczeniu obliczysz dynamiczną kowariancję za pomocą modeli GARCH. Skorzystasz z dwóch szeregów czasowych kursów walutowych: EUR/USD i USD/CAD (widocznych na wykresie). Zwroty cenowe obu par zostały dopasowane przez dwa modele GARCH, a szacunki zmienności zapisano w zmiennych vol_eur i vol_cad. Zestandaryzowane reszty są dostępne odpowiednio w zmiennych resid_eur i resid_cad. Biblioteka numpy została już zaimportowana jako np.
To ćwiczenie jest częścią kursu
Modele GARCH w Pythonie
Instrukcje do ćwiczenia
- Oblicz korelację między zestandaryzowanymi resztami GARCH
resid_euriresid_cad. - Oblicz kowariancję, wykorzystując zmienności GARCH
vol_eur,vol_cadoraz korelację obliczoną w poprzednim kroku. - Narysuj wykres obliczonej
covariance.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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()