1. Learn
  2. /
  3. Kurser
  4. /
  5. Python 中的 GARCH 模型

Connected

övning

观察模型参数的影响

在本练习中,您将再次调用预定义函数 simulate_GARCH(),并研究 GARCH 模型参数对模拟结果的影响。

具体来说,您将模拟两个 GARCH(1,1) 时间序列。它们的 omega 和 alpha 相同,但输入的 beta 不同。

回顾 GARCH(1,1) 中,\(\beta\) 是滞后 1 阶方差的系数。在固定 \(\alpha\) 的情况下,\(\beta\) 越大,影响持续时间越长。也就是说,高波动或低波动时期更容易持续。请关注绘图结果,看看能否验证 \(\beta\) 的影响。

Instruktioner 1/2

undefined XP
  • 1
    • 生成一个 GARCH(1,1) 过程,模拟次数为 200,输入 omega = 0.1、alpha = 0.3、beta = 0.2。
  • 2
    • 生成一个 GARCH(1,1) 过程,模拟次数为 200,输入 omega = 0.1、alpha = 0.3、beta = 0.6。