Validazione delle assunzioni del modello GARCH

Modelli GARCH in Python

Chelsea Yang

Data Science Instructor

Verifica visiva

Dati di rendimento grezzi

Residui standardizzati

Correlazione di una variabile con sé stessa a un certo ritardo
Autocorrelazione nei residui standardizzati indica che il modello può non essere valido

Per rilevare l'autocorrelazione:

Grafico ACF

L'area rossa indica il livello di confidenza (alpha = 5%)

from statsmodels.graphics.tsaplots import plot_acf

plot_acf(my_data, alpha = 0.05)

Verifica se un gruppo di autocorrelazioni di una serie temporale è diverso da zero
H0: i dati sono indipendenti
P-value < 5%: il modello non è valido

# 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])

Modelli GARCH in Python