Ajuste modelos GARCH para criptomoedas
Os mercados financeiros tendem a reagir de maneira diferente a choques de notícias positivas e negativas, e um exemplo disso são as oscilações dramáticas observadas no mercado de criptomoedas nos últimos anos.
Neste exercício, você vai implementar, em Python, um modelo GJR-GARCH e um modelo EGARCH, escolhas populares para modelar respostas assimétricas da volatilidade. Você vai trabalhar com um conjunto de dados de criptomoeda, bitcoin_data, que contém duas colunas: preço de "Close" e "Return".
O conjunto de dados bitcoin_data já foi carregado para você, e os preços históricos na coluna "Close" foram plotados.
Este exercício faz parte do curso
Modelos GARCH em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Specify model assumptions
gjr_gm = arch_model(bitcoin_data['Return'], p = 1, q = 1, o = ____, vol = 'GARCH', dist = 't')
# Fit the model
gjrgm_result = gjr_gm.fit(disp = 'off')
# Print model fitting summary
print(____.____())