Weryfikacja założeń modelu GARCH

Modele GARCH w Pythonie

Chelsea Yang

Data Science Instructor

Weryfikacja wizualna

Surowe dane zwrotów

Standaryzowane reszty

Opisuje korelację zmiennej z samą sobą przy danym opóźnieniu
Obecność autokorelacji w standaryzowanych resztach może wskazywać na niepoprawność modelu

Wykrywanie autokorelacji:

Wykres ACF

Czerwony obszar na wykresie wskazuje poziom ufności (alfa = 5%)

from statsmodels.graphics.tsaplots import plot_acf

plot_acf(my_data, alpha = 0.05)

# 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])

Modele GARCH w Pythonie