Quan sát tác động của tham số mô hình
Trong bài tập này, bạn sẽ tiếp tục gọi hàm dựng sẵn simulate_GARCH() và tìm hiểu tác động của các tham số mô hình GARCH lên kết quả mô phỏng.
Cụ thể, bạn sẽ mô phỏng hai chuỗi thời gian GARCH(1,1) có cùng omega và alpha, nhưng khác beta đầu vào.
Nhớ rằng trong GARCH(1,1), vì \(\beta\) là hệ số của phương sai trễ bậc 1, nên khi \(\alpha\) cố định, \(\beta\) càng lớn thì tác động càng kéo dài. Nói cách khác, các giai đoạn biến động cao hoặc thấp có xu hướng dai dẳng hơn. Hãy chú ý đến các đồ thị kết quả và xem liệu bạn có thể kiểm chứng tác động của \(\beta\) hay không.
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.
# 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()