พล็อตการกระจายของ standardized residuals
โมเดล GARCH มีข้อสมมติเกี่ยวกับการกระจายของ standardized residuals โดย residuals คือความแตกต่างระหว่างผลตอบแทนที่คาดการณ์กับผลตอบแทนเฉลี่ย ส่วน standardized residuals คือ residuals ที่หารด้วย volatility ที่โมเดลประมาณไว้
ในแบบฝึกหัดนี้ จะได้ฝึกคำนวณ standardized residuals จากโมเดล GARCH ที่ฟิตแล้ว จากนั้นพล็อตฮิสโตแกรมร่วมกับการกระจายแบบ normal มาตรฐาน normal_resid
โมเดล GARCH ถูกนิยามและฟิตด้วยข้อมูลผลตอบแทนราคาของ S&P 500 แล้ว โดยสามารถเรียกดูผลลัพธ์ได้ผ่าน gm_result นอกจากนี้ matplotlib ได้โหลดไว้ล่วงหน้าในชื่อ plt
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
GARCH Models ใน Python
คำแนะนำการฝึกหัด
- ดึงค่า residuals ที่โมเดลประมาณไว้ และบันทึกลงใน
gm_resid - ดึงค่า volatility ที่โมเดลประมาณไว้ และบันทึกลงใน
gm_std - คำนวณ standardized residuals แล้วบันทึกลงใน
gm_std_resid - พล็อตฮิสโตแกรมของ
gm_std_resid
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Obtain model estimated residuals and volatility
gm_resid = gm_result.____
gm_std = gm_result.____
# Calculate the standardized residuals
gm_std_resid = ____ /____
# Plot the histogram of the standardized residuals
plt.____(____, bins = 50,
facecolor = 'orange', label = 'Standardized residuals')
plt.____(normal_resid, bins = 50,
facecolor = 'tomato', label = 'Normal residuals')
plt.legend(loc = 'upper left')
plt.show()