Ước lượng GARCH với phân phối t lệch
Giả định phân phối chuẩn mặc định cho phần dư chuẩn hóa trong các mô hình GARCH không phản ánh đúng thế giới tài chính thực tế. Đuôi dày và độ lệch thường xuất hiện trong dữ liệu lợi suất tài chính.
Trong bài tập này, bạn sẽ cải thiện mô hình GARCH bằng cách dùng giả định phân phối t của Student có độ lệch (skewed). Ngoài ra, bạn sẽ so sánh độ biến động ước lượng của mô hình này với mô hình giả định phân phối chuẩn bằng cách vẽ chúng cùng nhau.
Một mô hình GARCH với giả định phân phối chuẩn mặc định đã được ước lượng sẵn cho bạn, và ước lượng độ biến động của nó được lưu trong normal_vol.
Bài tập này là một phần của khóa học
Mô hình GARCH với Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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.____()