Ortalama modelinin oynaklık tahminlerine etkisi
Uygulamada, getiriler ve oynaklık ayrı süreçlerde modellenir. Genellikle ortalama varsayımları tahmin edilen getirileri etkiler, ancak oynaklık tahminleri üzerinde daha sınırlı bir etkisi vardır.
Bu egzersizde, iki GARCH modelini karşılaştırarak GARCH modelindeki ortalama varsayımlarının oynaklık tahminlerine etkisini inceleyeceksin. Bu modeller farklı ortalama varsayımlarıyla tanımlandı ve S&P 500 verisiyle uyduruldu.
"sabit ortalama" varsayımına sahip modelin sonuçları cmean_result içinde, tahmin edilen oynaklık ise cmean_vol içinde saklı. "AR(1)" ya da 1 gecikmeli otoregresif ortalama varsayımına sahip modelin sonuçları armean_result içinde, tahmin edilen oynaklık ise armean_vol içinde saklı. matplotlib.pyplot ve numpy modülleri sırasıyla plt ve np olarak içe aktarıldı.
Bu egzersiz
Python ile GARCH Modelleri
kursunun bir parçasıdırEgzersiz talimatları
cmean_resultvearmean_resultmodel uyum özetlerini yazdır ve gözden geçir.- Her iki modelden
cmean_volvearmean_voloynaklık tahminlerini çizdir. - Korelasyon katsayısını hesaplamak için
numpypaketindeki.corrcoef()fonksiyonunu kullan.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Print model summary of GARCH with constant mean
print(____.____())
# Print model summary of GARCH with AR mean
print(____.____())
# Plot model volatility
plt.plot(____, color = 'blue', label = 'Constant Mean Volatility')
plt.plot(____, color = 'red', label = 'AR Mean Volatility')
plt.legend(loc = 'upper right')
plt.show()
# Check correlation of volatility estimations
print(np.____(____, ____)[0,1])