Come implementare modelli GARCH in Python

Modelli GARCH in Python

Chelsea Yang

Data Science Instructor

Pacchetto Python "arch"

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

Workflow

Sviluppa un modello GARCH in tre passi:

Specifica il modello
Stima il modello
Fai la previsione

Specifiche del modello

Assunzioni del modello:

Distribuzione: "normal" (predef.), "t", "skewt"
Modello della media: "constant" (predef.), "zero", "AR"
Modello di volatilità: "GARCH" (predef.), "ARCH", "EGARCH"

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

Stima del modello

Mostra l’output della stima ogni n iterazioni:

gm_result = gm_model.fit(update_freq = 4)

Processo di stima del modello

Disattiva la visualizzazione:

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

Risultati stimati: parametri

Stimati con il "metodo di massima verosimiglianza"

print(gm_result.params)

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

Risultati stimati: riepilogo

print(gm_result.summary())

Riepilogo dei risultati di stima del modello

Risultati stimati: grafici

gm_result.plot()

Grafici delle stime del modello

Previsioni del modello

# Previsione a 5 periodi avanti
gm_forecast = gm_result.forecast(horizon = 5)

# Stampa l’ultima riga della varianza prevista
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

h.1 nella riga "2019-10-10": previsione a 1 passo usando i dati fino a quella data inclusa

Ayo berlatih!

Modelli GARCH in Python