Gör prognoser med GARCH-modeller
Tidigare har du implementerat en grundläggande GARCH(1,1)-modell med Python-paketet arch. I den här övningen får du öva på att göra en enkel volatilitetsprognos.
Du använder återigen historiska avkastningsdata för S&P 500-tidsserien. Definiera och anpassa en GARCH(1,1)-modell med alla tillgängliga observationer, och anropa sedan .forecast() för att göra en prediktion. Som standard genereras en ett-stegs-framåtprognos. Du kan använda horizon = n för att ange längre prognosperioder.
Paketet arch är redan inläst åt dig.
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 a GARCH(1,1) model
basic_gm = ____(sp_data['Return'], p = 1, q = 1,
mean = 'constant', vol = 'GARCH', dist = 'normal')
# Fit the model
gm_result = basic_gm.____()