绘制标准化残差的分布

GARCH 模型会对标准化残差的分布作出假设。回顾一下，残差是预测收益与平均收益的差值；标准化残差是用模型估计的波动率对残差进行除法得到的结果。

在本练习中，您将练习从已拟合的 GARCH 模型中计算标准化残差，然后与标准正态分布 normal_resid 一起绘制其直方图。

一个 GARCH 模型已使用 S&P 500 价格收益数据完成定义与拟合。拟合结果可通过 gm_result 访问。此外，matplotlib 已作为 plt 预加载。

本练习是课程的一部分

Python 中的 GARCH 模型

查看课程

练习说明

获取模型估计的残差，并保存到 gm_resid。
获取模型估计的波动率，并保存到 gm_std。
计算标准化残差 gm_std_resid。
绘制 gm_std_resid 的直方图。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Obtain model estimated residuals and volatility
gm_resid = gm_result.____
gm_std = gm_result.____

# Calculate the standardized residuals
gm_std_resid = ____ /____

# Plot the histogram of the standardized residuals
plt.____(____, bins = 50, 
         facecolor = 'orange', label = 'Standardized residuals')
plt.____(normal_resid, bins = 50, 
         facecolor = 'tomato', label = 'Normal residuals')
plt.legend(loc = 'upper left')
plt.show()

编辑并运行代码