or
Este exercício faz parte do curso
O que são modelos GARCH, para que servem e como você pode implementá-los em Python? Ao concluir este primeiro capítulo, você será capaz de responder com segurança a todas essas perguntas.
Um modelo GARCH normal não representa bem os dados financeiros reais, cujas distribuições frequentemente exibem caudas pesadas, assimetria e choques assimétricos. Neste capítulo, você vai aprender a definir modelos GARCH melhores, com suposições mais realistas. Você também vai aprender a fazer previsões de volatilidade mais sofisticadas com abordagens de janela móvel (rolling window).
Este capítulo apresenta o princípio KISS de modelagem em ciência de dados. Você vai aprender a usar valores de p e estatísticas t para simplificar a configuração do modelo, usar o gráfico ACF e o teste de Ljung-Box para verificar as suposições do modelo e utilizar verossimilhança e critérios de informação para seleção de modelos.
Neste capítulo final, você vai aprender a aplicar os modelos GARCH que estudou anteriormente a cenários práticos do mundo financeiro. Você vai desenvolver suas habilidades à medida que se familiariza com VaR em gerenciamento de risco, covariância dinâmica em alocação de ativos e Beta dinâmico em gestão de portfólio.
Exercício atual