觀察模型參數的影響
在這個練習中，你會再次呼叫預先定義的函式 simulate_GARCH()，並研究 GARCH 模型參數對模擬結果的影響。
具體來說，你將模擬兩個 GARCH(1,1) 時間序列。它們的 omega 和 alpha 相同，但輸入的 beta 不同。
回想在 GARCH(1,1) 中，因為 \(\beta\) 是落後 1 期變異數的係數，若固定 $\alpha\(，\)\beta\( 越大，影響持續的時間越長。也就是說，高或低波動的時期較容易延續。請留意繪製出的結果，看看你是否能驗證 \)\beta$ 的影響。
本練習屬於課程
Python 中的 GARCH 模型
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。
# 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()