Modelli GARCH in Python
Chelsea Yang
Data Science Instructor
GARCH: Generalized AutoRegressive Conditional Heteroskedasticity

Passo 1: Calcola i rendimenti come percentuale delle variazioni di prezzo $$ return = {\frac{P_1 - P_0}{P_0}} $$
Passo 2: Calcola la media campionaria dei rendimenti $$ mean = \frac {\sum_{i=1}^n {return_i} }n $$
Passo 3: Calcola la deviazione standard campionaria $$ volatility = \sqrt\frac {\sum_{i=1}^n {(return_i - mean)}^2} {n-1}= \sqrt {variance}$$
Usa il metodo pct_change() di pandas:
return_data = price_data.pct_change()
Usa il metodo std() di pandas:
volatility = return_data.std()
(ipotizza 21 giorni di trading al mese)
$$\sigma_{monthly} = \sqrt{21} * \sigma_d$$
(ipotizza 252 giorni di trading all'anno)
$$\sigma_{annual} = \sqrt{252} * \sigma_d$$
Eteroschedasticità:

Omosedasticità vs Eteroschedasticità

Prezzi storici del VIX:

Modelli GARCH in Python