Python'da GARCH modelleri nasıl uygulanır

Python ile GARCH Modelleri

Chelsea Yang

Data Science Instructor

Python "arch" paketi

from arch import arch_model

¹ Kevin Sheppard. (2019, March 28). bashtage/arch: Release 4.8.1 (Version 4.8.1). Zenodo. http://doi.org/10.5281/zenodo.2613877

İş akışı

Üç adımda bir GARCH modeli geliştirin:

Modeli belirtin
Modeli uydurun
Tahmin yapın

Model belirtimi

Model varsayımları:

Dağılım: "normal" (varsayılan), "t", "skewt"
Ortalama modeli: "constant" (varsayılan), "zero", "AR"
Volatilite modeli: "GARCH" (varsayılan), "ARCH", "EGARCH"

basic_gm = arch_model(sp_data['Return'], p = 1, q = 1, 
                      mean = 'constant', vol = 'GARCH', dist = 'normal')

Model uydurma

Her n yinelemeden sonra model uydurma çıktısını gösterin:

gm_result = gm_model.fit(update_freq = 4)

Model uydurma süreci

Görselleştirmeyi kapatın:

gm_result = gm_model.fit(disp = 'off')

Uydurma sonuçları: parametreler

"Maksimum olabilirlik yöntemi" ile tahmin edildi

print(gm_result.params)

mu          0.077239
omega       0.039587
alpha[1]    0.167963
beta[1]     0.786467
Name: params, dtype: float64

Uydurma sonuçları: özet

print(gm_result.summary())

Model uydurma sonuç özeti

Uydurma sonuçları: grafikler

gm_result.plot()

Model tahminlerinin grafikleri

Model tahmini

# 5 dönem ileri tahmin yapın
gm_forecast = gm_result.forecast(horizon = 5)

# Varyans tahmininin son satırını yazdırın
print(gm_forecast.variance[-1:])

                 h.1       h.2       h.3       h.4       h.5
Date                                                        
2019-10-10  0.994079  0.988366  0.982913  0.977708  0.972741

"2019-10-10" satırındaki h.1: O tarihe kadar (dahil) olan verilerle yapılan 1 adım ileri tahmin

Hadi pratik yapalım!

Python ile GARCH Modelleri