Obserwuj wpływ parametrów modelu
W tym ćwiczeniu ponownie wywołasz predefiniowaną funkcję simulate_GARCH() i przeanalizujesz wpływ parametrów modelu GARCH na wyniki symulacji.
Konkretnie: zasymuluj dwa szeregi czasowe GARCH(1,1), które mają takie same wartości omega i alpha, ale różne wartości beta.
Przypomnij sobie, że w modelu GARCH(1,1) parametr \(\beta\) jest współczynnikiem wariancji z opóźnieniem o jeden okres. Przy stałym \(\alpha\) – im większe \(\beta\), tym dłużej utrzymuje się wpływ poprzednich wartości. Innymi słowy, okresy wysokiej lub niskiej zmienności mają tendencję do przedłużania się. Zwróć uwagę na wykresy i sprawdź, czy widoczny jest wpływ parametru \(\beta\).
To ćwiczenie jest częścią kursu
Modele GARCH w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# First simulated GARCH
sim_resid, sim_variance = simulate_GARCH(n = ____, omega = ____,
alpha = ____, beta = ____)
plt.plot(sim_variance, color = 'orange', label = 'Variance')
plt.plot(sim_resid, color = 'green', label = 'Residuals')
plt.legend(loc='upper right')
plt.show()