拟合带偏态 t 分布的 GARCH
GARCH 模型中对标准化残差的默认正态分布假设并不能代表真实的金融世界。金融收益数据中常见厚尾和偏度。
在本练习中，您将通过使用偏态的 Student t 分布假设来改进 GARCH 模型。此外，您还将把该模型估计的波动率与采用正态分布假设的模型进行对比，并将它们绘制在一起。
已经为您拟合了一个采用默认正态分布假设的 GARCH 模型，其波动率估计已保存在 normal_vol 中。
本练习是课程的一部分
Python 中的 GARCH 模型
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Specify GARCH model assumptions
skewt_gm = arch_model(sp_data['Return'], p = 1, q = 1, mean = 'constant', vol = 'GARCH', ____ = '____')
# Fit the model
skewt_result = skewt_gm.____()