สังเกตผลกระทบของพารามิเตอร์โมเดล
ในแบบฝึกหัดนี้ จะเรียกใช้ฟังก์ชันที่กำหนดไว้ล่วงหน้า simulate_GARCH() อีกครั้ง เพื่อศึกษาผลกระทบของพารามิเตอร์โมเดล GARCH ต่อผลลัพธ์ที่ได้จากการจำลอง
โดยจะจำลองอนุกรมเวลา GARCH(1,1) สองชุด ซึ่งมีค่า omega และ alpha เท่ากัน แต่มีค่า beta ต่างกัน
ทบทวนสักนิด ใน GARCH(1,1) เนื่องจาก \(\beta\) คือสัมประสิทธิ์ของค่าความแปรปรวน lag-1 หาก \(\alpha\) คงที่ ยิ่ง \(\beta\) มีค่ามาก ระยะเวลาของผลกระทบก็จะยิ่งยาวนานขึ้น กล่าวคือ ช่วงที่ความผันผวนสูงหรือต่ำมักจะคงอยู่ต่อเนื่อง ให้สังเกตผลลัพธ์ที่พล็อตออกมา และดูว่าสามารถยืนยันผลกระทบของ \(\beta\) ได้หรือไม่
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
GARCH Models ใน Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# First simulated GARCH
sim_resid, sim_variance = simulate_GARCH(n = ____, omega = ____,
alpha = ____, beta = ____)
plt.plot(sim_variance, color = 'orange', label = 'Variance')
plt.plot(sim_resid, color = 'green', label = 'Residuals')
plt.legend(loc='upper right')
plt.show()