Изучите влияние параметров модели
В этом упражнении вы снова вызовете заранее определённую функцию simulate_GARCH() и изучите, как параметры модели GARCH влияют на результаты симуляции.
Вам предстоит смоделировать два временных ряда GARCH(1,1) с одинаковыми значениями omega и alpha, но разными значениями beta.
Напомним: в модели GARCH(1,1) параметр \(\beta\) является коэффициентом дисперсии с лагом 1. При фиксированном \(\alpha\) чем больше \(\beta\), тем дольше сохраняется влияние шока. Иными словами, периоды высокой или низкой волатильности будут устойчивее. Обратите внимание на графики и проверьте, подтверждает ли результат ожидаемое влияние \(\beta\).
Это упражнение является частью курса
Модели GARCH на Python
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# First simulated GARCH
sim_resid, sim_variance = simulate_GARCH(n = ____, omega = ____,
alpha = ____, beta = ____)
plt.plot(sim_variance, color = 'orange', label = 'Variance')
plt.plot(sim_resid, color = 'green', label = 'Residuals')
plt.legend(loc='upper right')
plt.show()