Beräkna GARCH-kovarians

Kovarians beskriver sambandet i rörelse mellan två tidsserier med prisavkastning. Dynamisk kovarians kan beräknas som ρ * σ1 * σ2, där σ1 och σ2 är volatilitetsestimat från GARCH-modeller och ρ är den enkla korrelationen mellan GARCH:s standardiserade residualer.

I den här övningen tränar du på att beräkna dynamisk kovarians med GARCH-modeller. Du arbetar med två valutakursserier: EUR/USD och USD/CAD (visas i diagrammet). Deras prisavkastningar har anpassats med två GARCH-modeller och volatilitetsestimaten är sparade i vol_eur respektive vol_cad. De standardiserade residualerna finns sparade i resid_eur och resid_cad. Paketet numpy har importerats som np.

Den här övningen är en del av kursen

GARCH-modeller i Python

Visa kurs

Övningsinstruktioner

Beräkna korrelationen mellan GARCH:s standardiserade residualer resid_eur och resid_cad.
Beräkna kovariansen med GARCH-volatiliteterna vol_eur, vol_cad och den korrelation du beräknade i föregående steg.
Plotta den beräknade covariance.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Calculate correlation
corr = np.____(____, ____)[0,1]
print('Correlation: ', corr)

# Calculate GARCH covariance
covariance =  ____ * ____ * ____

# Plot the data
plt.plot(____, color = 'gold')
plt.title('GARCH Covariance')
plt.show()

Redigera och kör kod