1. Learn
    2. /
  2. Cursuri
    3. /
  3. Modele GARCH în Python
Connected

exercițiu

Observă impactul parametrilor modelului

În acest exercițiu, vei apela din nou funcția predefinită simulate_GARCH() și vei studia impactul parametrilor modelului GARCH asupra rezultatelor simulate.

Concret, vei simula două serii de timp GARCH(1,1) cu același omega și același alpha, dar cu valori diferite pentru beta.

Amintește-ți că în GARCH(1,1), \(\beta\) este coeficientul varianței de la pasul anterior. Dacă \(\alpha\) este fix, cu cât \(\beta\) este mai mare, cu atât efectul persistă mai mult timp. Cu alte cuvinte, perioadele de volatilitate ridicată sau scăzută tind să se mențină. Urmărește rezultatele grafice și verifică dacă poți confirma impactul parametrului \(\beta\).

Instrucțiuni 1/2

undefined XP
  • 1
    • Generează un proces GARCH(1,1) cu 200 de simulări, folosind omega = 0,1, alpha = 0,3 și beta = 0,2 ca parametri de intrare.
  • 2
    • Generează un proces GARCH(1,1) cu 200 de simulări, folosind omega = 0,1, alpha = 0,3 și beta = 0,6 ca parametri de intrare.