比較 GJR-GARCH 與 EGARCH
先前你已對 Bitcoin 報酬的時間序列擬合了 GJR-GARCH 與 EGARCH 模型。這一題中，你會透過繪圖來比較兩個模型所估計的條件波動度。
GJR-GARCH 模型的預估波動度已儲存在 gjrgm_vol，EGARCH 模型的預估波動度已儲存在 egarch_vol。你將把它們與實際的 Bitcoin 報酬觀測值一起繪出；實際報酬可由 bitcoin_data 中的欄位 "Return" 取得。
本練習屬於課程
Python 中的 GARCH 模型
練習說明
- 繪製實際的 Bitcoin 報酬。
- 繪製 GJR-GARCH 的預估波動度。
- 繪製 EGARCH 的預估波動度。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Plot the actual Bitcoin returns
plt.plot(bitcoin_data['____'], color = 'grey', alpha = 0.4, label = 'Price Returns')
# Plot GJR-GARCH estimated volatility
plt.plot(____, color = 'gold', label = 'GJR-GARCH Volatility')
# Plot EGARCH estimated volatility
plt.plot(____, color = 'red', label = 'EGARCH Volatility')
plt.legend(loc = 'upper right')
plt.show()