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
Python ile GARCH Modelleri
kursunun bir parçasıdırUygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# 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()