Dlaczego potrzebujemy modeli GARCH

Modele GARCH w Pythonie

Chelsea Yang

Data Science Instructor

Przegląd kursu

GARCH: Generalized AutoRegressive Conditional Heteroskedasticity

Zmienność jako miara ryzyka

Krok 1: Oblicz stopy zwrotu jako procentową zmianę cen $$ return = {\frac{P_1 - P_0}{P_0}} $$
Krok 2: Oblicz średnią próbkową stóp zwrotu $$ mean = \frac {\sum_{i=1}^n {return_i} }n $$
Krok 3: Oblicz próbkowe odchylenie standardowe $$ volatility = \sqrt\frac {\sum_{i=1}^n {(return_i - mean)}^2} {n-1}= \sqrt {variance}$$

Użyj metody pct_change() z pandas:

return_data = price_data.pct_change()

Użyj metody std() z pandas:

volatility = return_data.std()

(zakładając 21 dni handlowych w miesiącu)

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

(zakładając 252 dni handlowych w roku)

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

Heteroskedastyczność:

Mem o heteroskedastyczności

Homoskedastyczność vs Heteroskedastyczność

Historyczne ceny VIX:

Wykres historycznych cen VIX

Modele GARCH w Pythonie