Efectul modelului mediei asupra predicțiilor de volatilitate

În practică, randamentele și volatilitatea sunt modelate prin procese separate. De obicei, ipotezele privind media influențează randamentele estimate, dar au un efect minor asupra estimărilor de volatilitate.

În acest exercițiu, vei examina impactul ipotezelor privind media în modelele GARCH asupra estimărilor de volatilitate, comparând două modele GARCH. Acestea au fost definite cu ipoteze diferite privind media și ajustate pe datele S&P 500.

Modelul cu ipoteza „medie constantă" are rezultatele salvate în cmean_result, iar volatilitatea estimată salvată în cmean_vol. Modelul cu ipoteza „AR(1)" sau medie autoregresivă cu un lag are rezultatele salvate în armean_result, iar volatilitatea estimată salvată în armean_vol. Modulele matplotlib.pyplot și numpy au fost importate ca plt, respectiv np.

Acest exercițiu face parte din cursul

Modele GARCH în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Afișează și analizează rezumatele ajustării modelelor cmean_result și armean_result.
Trasează graficul estimărilor de volatilitate cmean_vol și armean_vol obținute din ambele modele.
Folosește funcția .corrcoef() din pachetul numpy pentru a calcula coeficientul de corelație.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Print model summary of GARCH with constant mean
print(____.____())
# Print model summary of GARCH with AR mean
print(____.____())

# Plot model volatility 
plt.plot(____, color = 'blue', label = 'Constant Mean Volatility')
plt.plot(____, color = 'red', label = 'AR Mean Volatility')
plt.legend(loc = 'upper right')
plt.show()

# Check correlation of volatility estimations
print(np.____(____, ____)[0,1])

Editează și rulează codul