Спостерігайте вплив параметрів моделі
У цій вправі ви знову викличете заздалегідь визначену функцію simulate_GARCH() і дослідите, як параметри моделі GARCH впливають на результати моделювання.
Зокрема, ви зімітуєте два часові ряди GARCH(1,1). Вони матимуть однакові omega і alpha, але різні вхідні значення beta.
Нагадаємо: у GARCH(1,1), оскільки \(\beta\) — це коефіцієнт дисперсії із запізненням 1, якщо \(\alpha\) фіксована, то що більше \(\beta\), то довше триває вплив. Іншими словами, періоди високої чи низької волатильності мають тенденцію зберігатися. Зверніть увагу на графіки результатів і перевірте, чи можете ви підтвердити вплив \(\beta\).
Ця вправа є частиною курсу
Моделі GARCH у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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()