Potrivește modele GARCH pe date despre criptomonede
Piețele financiare tind să reacționeze foarte diferit la știrile pozitive și negative, un exemplu clar fiind oscilațiile dramatice observate pe piața criptomonedelor în ultimii ani.
În acest exercițiu, vei implementa în Python un model GJR-GARCH și un model EGARCH – alegeri populare pentru a modela răspunsurile asimetrice ale volatilității. Vei lucra cu setul de date bitcoin_data, care conține două coloane: prețul "Close" și "Return".
Setul de date bitcoin_data a fost preîncărcat pentru tine, iar prețurile istorice din coloana "Close" au fost reprezentate grafic.
Acest exercițiu face parte din cursul
Modele GARCH în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# 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(____.____())