Підігніть GARCH із скошеним t-розподілом
Типове припущення про нормальний розподіл стандартизованих залишків у моделях GARCH не відображає реальні фінансові дані. У дохідностях часто спостерігаються «жирні» хвости та скошеність.
У цій вправі ви поліпшите модель GARCH, використавши припущення про скошений t-розподіл Стьюдента. Крім того, ви порівняєте оцінену моделлю волатильність із волатильністю з моделі з нормальним розподілом, побудувавши їх на одному графіку.
Модель GARCH із типовим припущенням про нормальний розподіл уже підігнано для вас, а її оцінювання волатильності збережено в normal_vol.
Ця вправа є частиною курсу
Моделі GARCH у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# Specify GARCH model assumptions
skewt_gm = arch_model(sp_data['Return'], p = 1, q = 1, mean = 'constant', vol = 'GARCH', ____ = '____')
# Fit the model
skewt_result = skewt_gm.____()