Validasi asumsi model GARCH

Model GARCH di Python

Chelsea Yang

Data Science Instructor

Pemeriksaan visual

Data imbal hasil mentah

Residual terstandardisasi

Model GARCH di Python

Autokorelasi

  • Menggambarkan korelasi variabel dengan dirinya sendiri pada jeda waktu tertentu

  • Adanya autokorelasi pada residual terstandardisasi menandakan model mungkin tidak valid

Untuk mendeteksi autokorelasi:

  • Plot ACF
  • Ljung-Box
Model GARCH di Python

Plot ACF

  • ACF: AutoCorrelation Function
  • Plot ACF: representasi visual autokorelasi menurut lag

Plot ACF

Area merah pada plot menunjukkan tingkat kepercayaan (alpha = 5%)

Model GARCH di Python

Plot ACF di Python

from statsmodels.graphics.tsaplots import plot_acf

plot_acf(my_data, alpha = 0.05)
Model GARCH di Python

Uji Ljung-Box

  • Uji apakah sekelompok autokorelasi deret waktu berbeda dari nol
  • H0: data terdistribusi independen
  • P-value < 5%: model tidak valid
Model GARCH di Python

Uji Ljung-Box di Python

# Import the Python module
from statsmodels.stats.diagnostic import acorr_ljungbox

# Perform the Ljung-Box test
lb_test = acorr_ljungbox(std_resid , lags = 10)

# Check p-values
print('P-values are: ', lb_test[1])
Model GARCH di Python

Ayo berlatih!

Model GARCH di Python

Preparing Video For Download...