Перевірка припущень моделі GARCH

Моделі GARCH у Python

Chelsea Yang

Data Science Instructor

Візуальна перевірка

Сирі дані доходностей

Стандартизовані залишки

Описує кореляцію змінної із самою собою з часовим зсувом
Наявність автокореляції у стандартизованих залишках свідчить, що модель може бути некоректною

Як виявити автокореляцію:

Графік ACF

Червона зона на графіку показує рівень довіри (alpha = 5%)

from statsmodels.graphics.tsaplots import plot_acf

plot_acf(my_data, alpha = 0.05)

Перевіряє, чи хоч одна з групи автокореляцій часового ряду відрізняється від нуля
H0: дані незалежно розподілені
P-value < 5%: модель некоректна

# Import the Python module
from statsmodels.stats.diagnostic import acorr_ljungbox

# Perform the Ljung-Box test
lb_test = acorr_ljungbox(std_resid , lags = 10)

# Check p-values
print('P-values are: ', lb_test[1])

Моделі GARCH у Python