Dopasowanie modelu GARCH z rozkładem skośnego t-Studenta
Domyślne założenie o normalnym rozkładzie standaryzowanych reszt w modelach GARCH nie odzwierciedla realiów rynków finansowych. W danych dotyczących zwrotów finansowych często obserwuje się grube ogony i skośność rozkładu.
W tym ćwiczeniu ulepszysz model GARCH, przyjmując założenie o skośnym rozkładzie t-Studenta. Następnie porównasz zmienność oszacowaną przez ten model ze zmiennością uzyskaną z modelu opartego na rozkładzie normalnym – nanosząc oba wyniki na jeden wykres.
Model GARCH z domyślnym założeniem o rozkładzie normalnym został już dla ciebie dopasowany, a jego oszacowanie zmienności jest zapisane w normal_vol.
To ćwiczenie jest częścią kursu
Modele GARCH w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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.____()