なぜGARCHモデルが必要か

Pythonで学ぶGARCHモデル

Chelsea Yang

Data Science Instructor

コース概要

GARCH: Generalized AutoRegressive Conditional Heteroskedasticity

リスク指標としてのボラティリティ

手順1: 価格変化率でリターンを計算 $$ return = {\frac{P_1 - P_0}{P_0}} $$
手順2: 標本平均リターンを計算 $$ mean = \frac {\sum_{i=1}^n {return_i} }n $$
手順3: 標本標準偏差を計算 $$ volatility = \sqrt\frac {\sum_{i=1}^n {(return_i - mean)}^2} {n-1}= \sqrt {variance}$$

pandas の pct_change() を使う:

return_data = price_data.pct_change()

pandas の std() を使う:

volatility = return_data.std()

（1か月=取引日21日と仮定）

$$\sigma_{monthly} = \sqrt{21} * \sigma_d$$

（1年=取引日252日と仮定）

$$\sigma_{annual} = \sqrt{252} * \sigma_d$$

不均一分散性（ヘテロスケダスティシティ）：

不均一分散のミーム

等分散 vs 不均一分散

VIXの過去価格:

VIXの過去価格チャート

Pythonで学ぶGARCHモデル