GARCH-modeller i Python
Chelsea Yang
Data Science Instructor
GARCH: Generalized AutoRegressive Conditional Heteroskedasticity

Steg 1: Beräkna avkastning som procentuell prisförändring $$ return = {\frac{P_1 - P_0}{P_0}} $$
Steg 2: Beräkna stickprovets medelavkastning $$ mean = \frac {\sum_{i=1}^n {return_i} }n $$
Steg 3: Beräkna stickprovets standardavvikelse $$ volatility = \sqrt\frac {\sum_{i=1}^n {(return_i - mean)}^2} {n-1}= \sqrt {variance}$$
Använd pandas-metoden pct_change():
return_data = price_data.pct_change()
Använd pandas-metoden std():
volatility = return_data.std()
(förutsätter 21 handelsdagar per månad)
$$\sigma_{monthly} = \sqrt{21} * \sigma_d$$
(förutsätter 252 handelsdagar per år)
$$\sigma_{annual} = \sqrt{252} * \sigma_d$$
Heteroskedasticitet:

Homoskedasticitet vs heteroskedasticitet

VIX historiska priser:

GARCH-modeller i Python