Porównanie GJR-GARCH z EGARCH
W poprzednich ćwiczeniach dopasowano modele GJR-GARCH i EGARCH do szeregu czasowego zwrotów Bitcoina. Teraz porównasz szacowaną warunkową zmienność z obu modeli, przedstawiając ich wyniki na wykresie.
Szacowana zmienność modelu GJR-GARCH jest zapisana w gjrgm_vol, a modelu EGARCH – w egarch_vol. Narysujesz je razem z rzeczywistymi obserwacjami zwrotów Bitcoina, dostępnymi w kolumnie "Return" zbioru danych bitcoin_data.
To ćwiczenie jest częścią kursu
Modele GARCH w Pythonie
Instrukcje do ćwiczenia
- Narysuj wykres rzeczywistych zwrotów Bitcoina.
- Narysuj wykres zmienności szacowanej przez model GJR-GARCH.
- Narysuj wykres zmienności szacowanej przez model EGARCH.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Plot the actual Bitcoin returns
plt.plot(bitcoin_data['____'], color = 'grey', alpha = 0.4, label = 'Price Returns')
# Plot GJR-GARCH estimated volatility
plt.plot(____, color = 'gold', label = 'GJR-GARCH Volatility')
# Plot EGARCH estimated volatility
plt.plot(____, color = 'red', label = 'EGARCH Volatility')
plt.legend(loc = 'upper right')
plt.show()