Cum să implementezi modele GARCH în Python

Modele GARCH în Python

Chelsea Yang

Data Science Instructor

Pachetul 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

Flux de lucru

Dezvoltați un model GARCH în trei pași:

Specificați modelul
Ajustați modelul
Realizați o prognoză

Specificarea modelului

Ipotezele modelului:

Distribuție: "normal" (implicit), "t", "skewt"
Model pentru medie: "constant" (implicit), "zero", "AR"
Model de volatilitate: "GARCH" (implicit), "ARCH", "EGARCH"

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

Ajustarea modelului

Afișați rezultatele ajustării la fiecare n iterații:

gm_result = gm_model.fit(update_freq = 4)

Procesul de ajustare a modelului

Dezactivați afișarea:

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

Rezultate ajustate: parametri

Estimat prin „metoda verosimilității maxime"

print(gm_result.params)

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

Rezultate ajustate: rezumat

print(gm_result.summary())

Rezumatul rezultatelor ajustării modelului

Rezultate ajustate: grafice

gm_result.plot()

Grafice ale estimărilor modelului

Prognoza modelului

# Make 5-period ahead forecast
gm_forecast = gm_result.forecast(horizon = 5)

# Print out the last row of variance forecast
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 pe rândul „2019-10-10": prognoză cu 1 pas înainte, realizată folosind datele până la și inclusiv acea dată

Să exersăm!

Modele GARCH în Python