Реализация моделей GARCH на Python

Модели GARCH на Python

Chelsea Yang

Data Science Instructor

Пакет 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

Рабочий процесс

Построение модели GARCH включает три шага:

Задать модель
Обучить модель
Сделать прогноз

Спецификация модели

Параметры модели:

Распределение: "normal" (по умолчанию), "t", "skewt"
Модель среднего: "constant" (по умолчанию), "zero", "AR"
Модель волатильности: "GARCH" (по умолчанию), "ARCH", "EGARCH"

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

Подгонка модели

Вывод результатов подгонки каждые n итераций:

gm_result = gm_model.fit(update_freq = 4)

Процесс подгонки модели

Отключить вывод:

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

Результаты подгонки: параметры

Оценка методом «максимального правдоподобия»

print(gm_result.params)

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

Результаты подгонки: сводка

print(gm_result.summary())

Сводка результатов подгонки модели

Результаты подгонки: графики

gm_result.plot()

Графики оценок модели

Прогнозирование с помощью модели

# 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 в строке «2019-10-10»: прогноз на 1 шаг вперёд, построенный по данным вплоть до этой даты включительно

Давайте потренируемся!

Модели GARCH на Python