ฟิต GARCH โมเดลกับข้อมูลสกุลเงินดิจิทัล
ตลาดการเงินมักตอบสนองต่อข่าวเชิงบวกและเชิงลบแตกต่างกันอย่างมาก ตัวอย่างที่เห็นได้ชัดคือความผันผวนอย่างรุนแรงในตลาดสกุลเงินดิจิทัลในช่วงหลายปีที่ผ่านมา
ในแบบฝึกหัดนี้ คุณจะนำโมเดล GJR-GARCH และ EGARCH มาใช้งานใน Python ซึ่งทั้งสองเป็นตัวเลือกยอดนิยมสำหรับการสร้างแบบจำลองการตอบสนองแบบอสมมาตรของความผันผวน โดยจะทำงานกับชุดข้อมูลสกุลเงินดิจิทัล bitcoin_data ซึ่งประกอบด้วยสองคอลัมน์ ได้แก่ "Close" (ราคาปิด) และ "Return" (ผลตอบแทน)
ชุดข้อมูล bitcoin_data ถูกโหลดไว้ให้แล้ว และราคาย้อนหลังในคอลัมน์ "Close" ได้ถูกพลอตไว้ให้เรียบร้อยแล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
GARCH Models ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Specify model assumptions
gjr_gm = arch_model(bitcoin_data['Return'], p = 1, q = 1, o = ____, vol = 'GARCH', dist = 't')
# Fit the model
gjrgm_result = gjr_gm.fit(disp = 'off')
# Print model fitting summary
print(____.____())