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。
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。
# 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()