Modele GARCH în Python
Chelsea Yang
Data Science Instructor
GARCH: Heteroskedasticitate Condiționată Autoregresivă Generalizată

Pasul 1: Calculați randamentele ca variație procentuală a prețului $$ return = {\frac{P_1 - P_0}{P_0}} $$
Pasul 2: Calculați media eșantionului $$ mean = \frac {\sum_{i=1}^n {return_i} }n $$
Pasul 3: Calculați deviația standard a eșantionului $$ volatility = \sqrt\frac {\sum_{i=1}^n {(return_i - mean)}^2} {n-1}= \sqrt {variance}$$
Utilizați metoda pct_change() din pandas:
return_data = price_data.pct_change()
Utilizați metoda std() din pandas:
volatility = return_data.std()
(se presupun 21 de zile de tranzacționare pe lună)
$$\sigma_{monthly} = \sqrt{21} * \sigma_d$$
(se presupun 252 de zile de tranzacționare pe an)
$$\sigma_{annual} = \sqrt{252} * \sigma_d$$
Heteroskedasticitate:

Homoskedasticitate vs Heteroskedasticitate

Prețuri istorice VIX:

Modele GARCH în Python