Cours
Modèles GARCH en R
AvancéNiveau de compétence
Actualisé 08/2024
RApplied Finance4 h16 vidéos60 Exercices4,550 XP8,776Certificat de formation
Créez votre compte gratuitement
Continuer avec GoogleAfficher plus d’optionsou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.
Apprécié par des utilisateurs provenant de milliers d'entreprises
Former une équipe ?
Essayez pour les entreprisesDescription du cours
Prérequis
Time Series Analysis in RManipulating Time Series Data in R1
Le modèle GARCH standard comme modèle de base
Commençons sans tarder. Une analyse en fenêtre glissante de rendements quotidiens d’actions montre que leur écart-type varie fortement dans le temps. A posteriori, nous avons donc la preuve d’une volatilité variable dans le temps. À l’avenir, nous devons estimer la volatilité des rendements futurs. C’est précisément ce que fait un modèle GARCH ! Dans ce chapitre, vous apprendrez les bases de l’utilisation du package rugarch pour spécifier et estimer le modèle GARCH(1,1) de référence dans R. Nous terminerons en montrant son utilité pour l’allocation tactique d’actifs.
2
Améliorations du modèle GARCH normal
Les marchés montent par les escaliers et descendent par l’ascenseur. Cette sagesse de Wall Street a des conséquences importantes pour spécifier un modèle de volatilité réaliste. Elle impose d’abandonner l’hypothèse de normalité ainsi que la réponse symétrique de la volatilité aux chocs. Dans ce chapitre, vous découvrirez des modèles GARCH avec effet de levier et innovations suivant une t de Student asymétrique. À la fin, vous serez en mesure d’utiliser des modèles GARCH pour estimer plus de dix mille spécifications différentes de modèles GARCH.
3
Évaluation des performances
Les modèles GARCH produisent des prévisions de volatilité qui servent d’entrée à la prise de décision financière. Leur usage en pratique suppose d’évaluer d’abord la qualité de ces prévisions. Dans ce chapitre, vous étudierez l’analyse de la significativité statistique des paramètres GARCH estimés, les propriétés des rendements standardisés, l’interprétation des critères d’information et l’utilisation d’estimations GARCH roulantes et d’erreurs quadratiques moyennes de prévision pour analyser la précision des prévisions de volatilité.
4
Applications
À ce stade, vous maîtrisez la spécification, l’estimation et la validation standard des modèles GARCH avec le package rugarch. Ce chapitre présente des fonctionnalités spécifiques de rugarch pour estimer la value-at-risk, utiliser le modèle GARCH en production et simuler des rendements GARCH. Vous verrez aussi que la présence d’une dynamique GARCH dans la variance a des implications pour la simulation des rendements logarithmiques, l’estimation du bêta d’une action et la recherche du portefeuille à variance minimale.
Modèles GARCH en R
Cours terminé
Obtenez un certificat de réussite
Ajoutez cette certification à votre profil LinkedIn, à votre CV ou à votre portfolioPartagez-la sur les réseaux sociaux et dans votre évaluation de performanceS'inscrire maintenant
Rejoignez plus de 19 millions d'utilisateurs et commencez Modèles GARCH en R dès aujourd'hui !
Créez votre compte gratuitement
Continuer avec GoogleAfficher plus d’optionsou
En continuant, vous acceptez nos Conditions d'utilisation, notre Politique de confidentialité et le fait que vos données seront hébergées aux États-Unis.
Apprenez où que vous soyez avec l'application DataCamp
Progressez où que vous soyez grâce à nos cours conçus pour mobile et à nos défis quotidiens de 5 minutes.