计算 GARCH 协方差
协方差描述两条价格收益率序列的联动关系。回顾：动态协方差可表示为 ρ * σ1 * σ2，其中 σ1、σ2 是 GARCH 模型得到的波动率估计，ρ 是 GARCH 标准化残差之间的简单相关系数。
在本练习中，您将练习用 GARCH 模型计算动态协方差。具体来说，您将使用两条外汇时间序列数据：EUR/USD 和 USD/CAD（见图）。它们的价格收益率已分别由两个 GARCH 模型拟合，波动率估计已保存在 vol_eur 和 vol_cad 中。此外，它们的标准化残差分别保存在 resid_eur 和 resid_cad 中。另外，numpy 包已作为 np 导入。
本练习是课程的一部分
Python 中的 GARCH 模型
练习说明
- 计算 GARCH 标准化残差
resid_eur与resid_cad的相关系数。 - 使用 GARCH 波动率
vol_eur、vol_cad以及上一步得到的相关系数计算协方差。 - 绘制计算得到的
covariance。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Calculate correlation
corr = np.____(____, ____)[0,1]
print('Correlation: ', corr)
# Calculate GARCH covariance
covariance = ____ * ____ * ____
# Plot the data
plt.plot(____, color = 'gold')
plt.title('GARCH Covariance')
plt.show()