Observe o impacto dos parâmetros do modelo
Neste exercício, você vai chamar novamente a função predefinida simulate_GARCH() e estudar o impacto dos parâmetros do modelo GARCH nos resultados simulados.
Especificamente, você vai simular duas séries temporais GARCH(1,1); elas têm o mesmo omega e alpha, mas usam valores diferentes de beta como entrada.
Lembre-se de que, em um GARCH(1,1), como \(\beta\) é o coeficiente da variância defasada em 1, se o \(\alpha\) for fixo, quanto maior o \(\beta\), mais longa será a duração do impacto. Em outras palavras, períodos de alta ou baixa volatilidade tendem a persistir. Preste atenção aos gráficos e veja se você consegue verificar o impacto de \(\beta\).
Este exercício faz parte do curso
Modelos GARCH em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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()