ฟิต GARCH ด้วย skewed t-distribution
ข้อสมมติเริ่มต้นของ GARCH ที่ใช้การแจกแจงแบบปกติ (normal distribution) สำหรับค่าคงเหลือมาตรฐาน (standardized residuals) นั้นไม่ได้สะท้อนโลกการเงินจริงได้ดีนัก เพราะข้อมูลผลตอบแทนทางการเงินมักแสดง fat tails และความเบ้ (skewness) อยู่บ่อยครั้ง
ในแบบฝึกหัดนี้ คุณจะปรับปรุงโมเดล GARCH โดยใช้ข้อสมมติของการแจกแจงแบบ skewed Student's t-distribution แทน นอกจากนี้ยังจะเปรียบเทียบค่าความผันผวนที่โมเดลประมาณได้กับโมเดลที่ใช้ข้อสมมติแบบการแจกแจงปกติ ด้วยการพล็อตกราฟไว้ด้วยกัน
โมเดล GARCH ที่ใช้ข้อสมมติการแจกแจงแบบปกติเป็นค่าเริ่มต้นได้ถูกฟิตไว้ให้แล้ว และค่าประมาณความผันผวนของโมเดลนั้นถูกบันทึกไว้ในตัวแปร normal_vol
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
GARCH Models ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Specify GARCH model assumptions
skewt_gm = arch_model(sp_data['Return'], p = 1, q = 1, mean = 'constant', vol = 'GARCH', ____ = '____')
# Fit the model
skewt_result = skewt_gm.____()