การพยากรณ์ด้วยโมเดล GARCH
ก่อนหน้านี้คุณได้สร้างโมเดล GARCH(1,1) เบื้องต้นด้วยแพ็กเกจ arch ของ Python แล้ว ในแบบฝึกหัดนี้ จะได้ฝึกทำการพยากรณ์ความผันผวนเบื้องต้น
โดยจะใช้อนุกรมเวลาของผลตอบแทนในอดีตของ S&P 500 อีกครั้ง ขั้นแรกให้นิยามและ fit โมเดล GARCH(1,1) ด้วยข้อมูลทั้งหมดที่มี จากนั้นเรียกใช้ .forecast() เพื่อทำการพยากรณ์ ค่าเริ่มต้นจะให้การประมาณการล่วงหน้า 1 ช่วงเวลา และสามารถใช้ horizon = n เพื่อกำหนดช่วงเวลาที่ต้องการได้
แพ็กเกจ arch ถูกโหลดไว้ให้แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
GARCH Models ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Specify a GARCH(1,1) model
basic_gm = ____(sp_data['Return'], p = 1, q = 1,
mean = 'constant', vol = 'GARCH', dist = 'normal')
# Fit the model
gm_result = basic_gm.____()