Підіберіть моделі GARCH для криптовалют
Фінансові ринки зазвичай по‑різному реагують на позитивні та негативні новинні шоки. Один із прикладів — різкі коливання, які останніми роками спостерігаються на ринку криптовалют.
У цій вправі ви реалізуєте в Python моделі GJR-GARCH та EGARCH — популярні підходи для моделювання асиметричної реакції волатильності. Ви працюватимете з набором даних про криптовалюту bitcoin_data, який містить два стовпці: ціну "Close" та "Return".
Набір даних bitcoin_data уже завантажено для вас, а історичні ціни у стовпці "Close" візуалізовано на графіку.
Ця вправа є частиною курсу
Моделі GARCH у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Specify model assumptions
gjr_gm = arch_model(bitcoin_data['Return'], p = 1, q = 1, o = ____, vol = 'GARCH', dist = 't')
# Fit the model
gjrgm_result = gjr_gm.fit(disp = 'off')
# Print model fitting summary
print(____.____())