Cách triển khai mô hình GARCH trong Python

Mô hình GARCH với Python

Chelsea Yang

Data Science Instructor

Gói 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

Quy trình làm việc

Phát triển mô hình GARCH trong 3 bước:

Xác định mô hình
Khớp mô hình
Dự báo

Đặc tả mô hình

Giả định mô hình:

Phân phối: "normal" (mặc định), "t", "skewt"
Mô hình trung bình: "constant" (mặc định), "zero", "AR"
Mô hình biến động: "GARCH" (mặc định), "ARCH", "EGARCH"

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

Khớp mô hình

Hiển thị kết quả khớp sau mỗi n vòng lặp:

gm_result = gm_model.fit(update_freq = 4)

Quy trình khớp mô hình

Tắt hiển thị:

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

Kết quả khớp: tham số

Ước lượng bằng "maximum likelihood method"

print(gm_result.params)

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

Kết quả khớp: tóm tắt

print(gm_result.summary())

Tóm tắt kết quả khớp mô hình

Kết quả khớp: biểu đồ

gm_result.plot()

Biểu đồ ước lượng mô hình

Dự báo mô hình

# Dự báo trước 5 kỳ
gm_forecast = gm_result.forecast(horizon = 5)

# In hàng cuối của dự báo phương sai
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 trong hàng "2019-10-10": dự báo 1 bước dùng dữ liệu đến và gồm cả ngày đó

Ayo berlatih!

Mô hình GARCH với Python