เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

เปรียบเทียบ GJR-GARCH กับ EGARCH

ก่อนหน้านี้ได้ฟิตโมเดล GJR-GARCH และ EGARCH กับอนุกรมเวลาผลตอบแทน Bitcoin ไปแล้ว ในแบบฝึกหัดนี้ จะเปรียบเทียบความผันผวนตามเงื่อนไข (conditional volatility) ที่ประมาณได้จากทั้งสองโมเดล โดยการพล็อตผลลัพธ์

ความผันผวนที่ประมาณจากโมเดล GJR-GARCH ถูกเก็บไว้ใน gjrgm_vol และความผันผวนจากโมเดล EGARCH ถูกเก็บไว้ใน egarch_vol นำมาพล็อตร่วมกับข้อมูลผลตอบแทน Bitcoin จริง ซึ่งเข้าถึงได้จากคอลัมน์ "Return" ใน bitcoin_data

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

GARCH Models ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • พล็อตผลตอบแทน Bitcoin จริง
  • พล็อตความผันผวนที่ประมาณจากโมเดล GJR-GARCH
  • พล็อตความผันผวนที่ประมาณจากโมเดล EGARCH

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Plot the actual Bitcoin returns
plt.plot(bitcoin_data['____'], color = 'grey', alpha = 0.4, label = 'Price Returns')

# Plot GJR-GARCH estimated volatility
plt.plot(____, color = 'gold', label = 'GJR-GARCH Volatility')

# Plot EGARCH  estimated volatility
plt.plot(____, color = 'red', label = 'EGARCH Volatility')

plt.legend(loc = 'upper right')
plt.show()
แก้ไขและรันโค้ด