GARCH-modellen in Python
Chelsea Yang
Data Science Instructor
GARCH: Generalized AutoRegressive Conditional Heteroscedasticity

Stap 1: Bereken rendement als percentage prijsverandering $$ return = {\frac{P_1 - P_0}{P_0}} $$
Stap 2: Bereken het steekproefgemiddelde $$ mean = \frac {\sum_{i=1}^n {return_i} }n $$
Stap 3: Bereken de steekproef‑standaarddeviatie $$ volatility = \sqrt\frac {\sum_{i=1}^n {(return_i - mean)}^2} {n-1}= \sqrt {variance}$$
Gebruik de pandas‑methode pct_change():
return_data = price_data.pct_change()
Gebruik de pandas‑methode std():
volatility = return_data.std()
(ga uit van 21 handelsdagen per maand)
$$\sigma_{monthly} = \sqrt{21} * \sigma_d$$
(ga uit van 252 handelsdagen per jaar)
$$\sigma_{annual} = \sqrt{252} * \sigma_d$$
Heteroscedasticiteit:

Homoscedasticiteit vs. heteroscedasticiteit

Historische VIX‑prijzen:

GARCH-modellen in Python