What are GARCH models, what are they used for, and how can you implement them in Python? After completing this first chapter you’ll be able to confidently answer all these questions.


Why do we need GARCH models

Understand volatility

Observe volatility clustering

Calculate volatility

What are ARCH and GARCH

Review GARCH model basics

Simulate ARCH and GARCH series

Observe the impact of model parameters

How to implement GARCH models in Python

Review "arch" documentation

Implement a basic GARCH model

Make forecast with GARCH models

GARCH Model Fundamentals

A normal GARCH model is not representative of the real financial data, whose distributions frequently exhibit fat tails, skewness, and asymmetric shocks. In this chapter, you’ll learn how to define better GARCH models with more realistic assumptions. You’ll also learn how to make more sophisticated volatility forecasts with rolling window approaches.

Distribution assumptions

Fat tails and skewness

Plot distribution of standardized residuals

Fit a GARCH with skewed t-distribution

Mean model specifications

Check mean model assumptions

Effect of mean model on volatility predictions

Volatility models for asymmetric shocks

Modeling of asymmetric responses of volatility

Fit GARCH models to cryptocurrency

Compare GJR-GARCH with EGARCH

GARCH rolling window forecast

Why use rolling window forecast

Fixed rolling window forecast

Compare forecast results

GARCH Model Configuration

This chapter introduces you to the KISS principle of data science modeling. You’ll learn how to use p-values and t-statistics to simplify model configuration, use ACF plot, Ljung-Box test to verify model assumptions and use likelihood and information criteria for model selection.

Teste de significância dos parâmetros do modelo

Keep it simple stupid

Simplifique o modelo com p-values

Simplifique o modelo com estatísticas t

Validação dos pressupostos do modelo GARCH

Detectar autocorrelações

Gráfico ACF

Teste de Ljung-Box

Medidas de qualidade de ajuste

Noções básicas de qualidade do ajuste

Escolha o vencedor com base na log-verossimilhança

Escolha o melhor modelo com base em AIC/BIC

Backtesting de modelo GARCH

Noções básicas de backtesting

Backtesting com MAE e MSE

Model Performance Evaluation

In this final chapter, you’ll learn how to apply the GARCH models you’ve previously learned to practical financial world scenarios. You’ll develop your skills as you become more familiar with VaR in risk management, dynamic covariance in asset allocation, and dynamic Beta in portfolio management.

VaR in financial risk management

VaR concept

Compute parametric VaR

Compute empirical VaR

Dynamic covariance in portfolio optimization

Covariance concept

Compute GARCH covariance

Compute dynamic portfolio variance

Dynamic Beta in portfolio management

Beta concept

Compute dynamic stock Beta

Congratulations!

GARCH in Action

SP500

Tesla stock price

Bitcoin price

Foreign exchange data

A volatilidade é um conceito essencial em finanças, por isso os modelos GARCH em Python são uma escolha popular para prever mudanças na variância, especialmente ao trabalhar com séries temporais que dependem do tempo. Neste curso, você vai aprender como e quando implementar modelos GARCH, como especificar as suposições do modelo e como fazer previsões de volatilidade e avaliar o desempenho do modelo. Usando dados do mundo real, incluindo preços históricos das ações da Tesla, você terá experiência prática de como quantificar melhor os riscos de portfólio, por meio de cálculos de Value-at-Risk, covariância e Beta de ações. Você também vai aplicar o que aprendeu a uma ampla variedade de ativos, incluindo ações, índices, criptomoedas e câmbio, preparando você para usar modelos GARCH na prática.

Time Series Analysis in Python

Aprenda sobre Modelos GARCH, implemente e calibre-os em dados financeiros. Aplique em ações e câmbio.

Modelos GARCH em Python

Aprenda sobre modelos GARCH, como implementá-los e calibrá-los com dados financeiros, desde ações até câmbio.

Medidas de qualidade de ajuste

Create Your Free Account