Подбор моделей GARCH для криптовалюты
Финансовые рынки, как правило, реагируют на позитивные и негативные новостные шоки по-разному. Наглядный пример — резкие колебания на рынке криптовалют, наблюдавшиеся в последние годы.
В этом упражнении вы реализуете в Python модели GJR-GARCH и EGARCH — популярные инструменты для моделирования асимметричной реакции волатильности. Вы будете работать с набором данных о криптовалюте bitcoin_data, который содержит два столбца: цена закрытия "Close" и доходность "Return".
Набор данных bitcoin_data уже загружен, а исторические цены из столбца "Close" отображены на графике.
Это упражнение является частью курса
Модели GARCH на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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(____.____())