or
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
GARCH Models คืออะไร ใช้ทำอะไร และจะนำมาใช้งานใน Python ได้อย่างไร? หลังจากเรียนจบบทแรกนี้แล้ว จะสามารถตอบคำถามเหล่านี้ได้อย่างมั่นใจ
GARCH Model แบบปกติไม่สะท้อนข้อมูลการเงินจริงได้ครบถ้วน เนื่องจากการกระจายของข้อมูลจริงมักแสดงหางอ้วน ความเบ้ และการตอบสนองต่อแรงกระแทกที่ไม่สมมาตร ในบทนี้จะได้เรียนรู้วิธีสร้าง GARCH Models ที่ดีขึ้นด้วยข้อสมมติที่สมจริงยิ่งขึ้น รวมถึงวิธีพยากรณ์ความผันผวนที่ซับซ้อนขึ้นโดยใช้แนวทาง rolling window
บทนี้จะแนะนำหลักการ KISS ในการสร้างโมเดลด้านวิทยาศาสตร์ข้อมูล โดยจะได้เรียนรู้วิธีใช้ p-value และ t-statistic เพื่อลดความซับซ้อนของการกำหนดค่าโมเดล วิธีใช้ ACF plot และการทดสอบ Ljung-Box เพื่อตรวจสอบข้อสมมติของโมเดล และวิธีใช้ likelihood และเกณฑ์สารสนเทศสำหรับการเลือกโมเดล
ในบทสุดท้ายนี้จะได้เรียนรู้วิธีนำ GARCH Models ที่ศึกษามาตลอดคอร์สไปประยุกต์ใช้กับสถานการณ์จริงในโลกการเงิน ทั้งการพัฒนาทักษะด้าน VaR ในการบริหารความเสี่ยง dynamic covariance ในการจัดสรรสินทรัพย์ และ dynamic Beta ในการบริหารพอร์ตโฟลิโอ
แบบฝึกหัดปัจจุบัน