Модели GARCH на Python
Chelsea Yang
Data Science Instructor
GARCH: Generalized AutoRegressive Conditional Heteroskedasticity

Шаг 1: вычислите доходность как процентное изменение цены $$ return = {\frac{P_1 - P_0}{P_0}} $$
Шаг 2: вычислите выборочное среднее доходности $$ mean = \frac {\sum_{i=1}^n {return_i} }n $$
Шаг 3: вычислите выборочное стандартное отклонение $$ volatility = \sqrt\frac {\sum_{i=1}^n {(return_i - mean)}^2} {n-1}= \sqrt {variance}$$
Метод pct_change() из pandas:
return_data = price_data.pct_change()
Метод std() из pandas:
volatility = return_data.std()
(предполагается 21 торговый день в месяце)
$$\sigma_{monthly} = \sqrt{21} * \sigma_d$$
(предполагается 252 торговых дня в году)
$$\sigma_{annual} = \sqrt{252} * \sigma_d$$
Гетероскедастичность:

Гомоскедастичность и гетероскедастичность

Исторические значения VIX:

Модели GARCH на Python