or
Bu egzersiz, kursun bir parçasıdır
GARCH modelleri nedir, ne için kullanılır ve Python’da nasıl uygulanır? Bu ilk bölümü tamamladıktan sonra tüm bu soruları güvenle yanıtlayabileceksin.
Standart bir GARCH modeli, dağılımları sıkça kalın kuyruklar, çarpıklık ve asimetrik şoklar sergileyen gerçek finansal verileri tam olarak yansıtmaz. Bu bölümde, daha gerçekçi varsayımlarla daha iyi GARCH modelleri tanımlamayı öğreneceksin. Ayrıca, dönen pencere (rolling window) yaklaşımlarıyla daha gelişmiş volatilite tahminleri yapmayı da öğreneceksin.
Bu bölüm seni veri bilimi modellemesinin KISS ilkesine girişle tanıştırır. Model yapılandırmasını sadeleştirmek için p-değerlerini ve t-istatistiklerini kullanmayı, model varsayımlarını doğrulamak için ACF grafiği ile Ljung-Box testini ve model seçimi için olabilirlik ile bilgi ölçütlerini kullanmayı öğreneceksin.
Bu son bölümde, daha önce öğrendiğin GARCH modellerini finans dünyasındaki pratik senaryolara nasıl uygulayacağını öğreneceksin. Risk yönetiminde VaR, varlık tahsisinde dinamik kovaryans ve portföy yönetiminde dinamik Beta konularına daha aşina oldukça becerilerini geliştireceksin.
Geçerli egzersiz