Anpassa en GARCH-modell med skev t-fördelning
Den normalfördelningsantagelse som används som standard för standardiserade residualer i GARCH-modeller är inte representativ för den verkliga finansmarknaden. Tjocka svansar och skevhet observeras ofta i finansiella avkastningsdata.
I den här övningen förbättrar du GARCH-modellen genom att använda en skev Students t-fördelning. Dessutom jämför du modellens skattade volatilitet med en modell som antar normalfördelning, genom att plotta dem tillsammans.
En GARCH-modell med standardantagandet om normalfördelning har redan anpassats åt dig, och dess volatilitetsskattning är sparad i normal_vol.
Den här övningen är en del av kursen
GARCH-modeller i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Specify GARCH model assumptions
skewt_gm = arch_model(sp_data['Return'], p = 1, q = 1, mean = 'constant', vol = 'GARCH', ____ = '____')
# Fit the model
skewt_result = skewt_gm.____()