Model parametrelerinin etkisini gözlemle
Bu egzersizde, önceden tanımlanmış simulate_GARCH() fonksiyonunu yeniden çağıracak ve GARCH model parametrelerinin benzetim sonuçları üzerindeki etkisini inceleyeceksin.
Özel olarak, iki GARCH(1,1) zaman serisi benzeteceksin; bunların omega ve alpha değerleri aynı, ancak girdideki beta değerleri farklı olacak.
GARCH(1,1)'de \(\beta\) gecikme-1 varyansının katsayısı olduğundan ve \(\alpha\) sabitken, \(\beta\) büyüdükçe etkinin süresi uzar. Başka bir deyişle, yüksek veya düşük oynaklık dönemleri kalıcı olma eğilimindedir. Çizilen sonuçlara dikkat et ve \(\beta\) etkisini doğrulayıp doğrulayamayacağını gör.
Bu egzersiz, kursun bir parçasıdır
Python ile GARCH Modelleri
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# 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()