Wykres rozkładu standaryzowanych reszt
Modele GARCH zakładają określony rozkład standaryzowanych reszt. Przypomnij sobie: reszty to różnice między prognozowanymi stopami zwrotu a średnią stopą zwrotu. Standaryzowane reszty to z kolei reszty podzielone przez szacowaną przez model zmienność.
W tym ćwiczeniu obliczysz standaryzowane reszty na podstawie dopasowanego modelu GARCH, a następnie narysujesz ich histogram razem ze standardowym rozkładem normalnym normal_resid.
Model GARCH został już zdefiniowany i dopasowany do danych o stopach zwrotu indeksu S&P 500. Wyniki dopasowania są dostępne jako gm_result. Biblioteka matplotlib została wczytana jako plt.
To ćwiczenie jest częścią kursu
Modele GARCH w Pythonie
Instrukcje do ćwiczenia
- Pobierz reszty oszacowane przez model i zapisz je w zmiennej
gm_resid. - Pobierz zmienność oszacowaną przez model i zapisz ją w zmiennej
gm_std. - Oblicz standaryzowane reszty
gm_std_resid. - Narysuj histogram zmiennej
gm_std_resid.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Obtain model estimated residuals and volatility
gm_resid = gm_result.____
gm_std = gm_result.____
# Calculate the standardized residuals
gm_std_resid = ____ /____
# Plot the histogram of the standardized residuals
plt.____(____, bins = 50,
facecolor = 'orange', label = 'Standardized residuals')
plt.____(normal_resid, bins = 50,
facecolor = 'tomato', label = 'Normal residuals')
plt.legend(loc = 'upper left')
plt.show()