什麼是 GARCH 模型？它能用來做什麼？你又該如何在 Python 中實作？完成本章後，你將能自信地回答以上所有問題。


為什麼需要 GARCH 模型

理解波動度

觀察波動叢聚

計算波動度

什麼是 ARCH 與 GARCH

複習 GARCH 模型基礎

模擬 ARCH 與 GARCH 序列

觀察模型參數的影響

如何在 Python 中實作 GARCH 模型

查閱「arch」文件

實作一個基本的 GARCH 模型

使用 GARCH 模型進行預測

GARCH 模型基礎

一般的 GARCH 模型無法充分代表真實的金融資料，因為這些資料的分配常呈現厚尾、偏態，以及非對稱衝擊。在本章中，你會學到如何以更貼近現實的假設，定義更完善的 GARCH 模型。你也會學會使用滾動視窗方法，進行更進階的波動度預測。

分配假設

厚尾與偏態

繪製標準化殘差的分佈

以偏態 t 分配擬合 GARCH

平均模型的設定

檢查平均模型假設

平均模型對波動度預測的影響

針對非對稱衝擊的波動度模型

波動率對非對稱衝擊的建模

將 GARCH 模型套用到加密貨幣

比較 GJR-GARCH 與 EGARCH

GARCH 滾動視窗預測

為什麼要使用滾動視窗預測

固定長度的滾動視窗預測

比較預測結果

GARCH 模型設定

本章將介紹資料科學建模中的 KISS 原則。你會學到如何使用 p 值與 t 統計量來簡化模型設定，使用 ACF 圖與 Ljung-Box 檢定驗證模型假設，並利用概似與資訊準則進行模型選擇。

模型參數的顯著性檢定

KISS：越簡單越好

用 p-value 簡化模型

用 t 統計量簡化模型

驗證 GARCH 模型假設

偵測自我相關

ACF 圖

Ljung-Box 檢定

擬合優度衡量

擬合優度基礎

用對數概似挑選最佳模型

用 AIC／BIC 挑選最佳模型

GARCH 模型回測

回測入門

以 MAE、MSE 進行回溯測試

模型效能評估

在最後一章，你會把前面學到的 GARCH 模型應用到實際的金融情境。你將精進以下能力：風險管理中的 VaR、資產配置中的動態共變異數，以及投資組合管理中的動態 Beta。

財務風險管理中的 VaR

VaR 概念

計算參數式 VaR

計算經驗式 VaR

投資組合理論中的動態共變異數

共變異數概念

計算 GARCH 共變異數

計算動態投資組合變異數

投資組合管理中的動態 Beta

Beta 概念

計算動態股價 Beta

恭喜你！

GARCH 實戰應用

Bitcoin price

Foreign exchange data

SP500

Tesla stock price

波動度是金融中的關鍵概念，因此在處理具時間相依性的時間序列資料時，使用 Python 的 GARCH 模型成為預測變異數變化的熱門選擇。本課程將帶你了解何時與如何實作 GARCH 模型、如何設定模型假設，以及如何進行波動度預測並評估模型表現。你會使用真實世界資料（包含特斯拉的歷史股價），動手學習如何透過計算在險價值（Value-at-Risk）、共變異數與股票 Beta，更精準地量化投資組合風險。你也會把所學應用到各式資產上，包括股票、指數、加密貨幣與外匯，為實際運用 GARCH 模型做好準備。

Time Series Analysis in Python

了解GARCH模型，實施與校準於金融數據，應用於股票及外匯資產。

Python 中的 GARCH 模型

掌握GARCH Models，學習其實作與校準，應用於股票及外匯等金融數據。

針對非對稱衝擊的波動度模型

Create Your Free Account