or
Ця вправа є частиною курсу
Що таке моделі GARCH, для чого їх використовують і як реалізувати їх у Python? Після опрацювання цього першого розділу ви зможете впевнено відповісти на всі ці запитання.
Звичайна модель GARCH погано відображає реальні фінансові дані, розподіли яких часто мають «товсті» хвости, асиметрію та нерівномірні шоки. У цьому розділі ви навчитеся визначати кращі моделі GARCH із реалістичнішими припущеннями. Також ви опanuєте побудову складніших прогнозів волатильності за допомогою рухомих вікон.
У цьому розділі ви познайомитеся з принципом KISS у моделюванні даних. Ви навчитеся використовувати p-значення та t-статистики, щоб спростити конфігурацію моделі; застосовувати графік ACF і тест Льюнга—Бокса для перевірки припущень моделі; а також використовувати правдоподібність і інформаційні критерії для вибору моделі.
У завершальному розділі ви навчитеся застосовувати моделі GARCH, розглянуті раніше, до практичних фінансових задач. Ви розвинете свої навички, ознайомившись із VaR у керуванні ризиками, динамічною коваріацією в алокації активів та динамічною бетою в управлінні портфелем.
Поточна вправа