Lewati ke konten utama

Kursus

Model GARCH di Python

MenengahTingkat Keterampilan

Diperbarui 06/2022

Pelajari tentang Model GARCH, cara mengimplementasikannya, dan mengkalibrasinya pada data keuangan mulai dari saham hingga valuta asing.

Mulai Kursus Gratis

PythonApplied Finance

4 jam

15 videos

54 Latihan

3,950 XP

10,609

Pernyataan Pencapaian

Dipercaya oleh para pelajar di ribuan perusahaan

Melatih Tim?

Coba untuk Bisnis

Deskripsi Kursus

Volatilitas adalah konsep penting dalam keuangan, sehingga model GARCH di Python menjadi pilihan populer untuk memprakirakan perubahan varians, terutama saat bekerja dengan data runtun waktu yang bergantung waktu. Kursus ini akan menunjukkan cara dan waktu yang tepat untuk menerapkan model GARCH, cara menetapkan asumsi model, serta cara membuat prakiraan volatilitas dan mengevaluasi kinerja model. Dengan menggunakan data dunia nyata, termasuk harga saham Tesla historis, Anda akan mendapatkan pengalaman langsung tentang cara mengukur risiko portofolio dengan lebih baik, melalui perhitungan Value-at-Risk, kovariansi, dan Beta saham. Anda juga akan menerapkan apa yang telah Anda pelajari pada berbagai jenis aset, termasuk saham, indeks, mata uang kripto, dan valuta asing, sehingga Anda siap menggunakan model GARCH.

Persyaratan

Time Series Analysis in Python

1

Dasar-Dasar Model GARCH

Apa itu model GARCH, untuk apa model tersebut digunakan, dan bagaimana cara mengimplementasikannya di Python? Setelah menyelesaikan bab pertama ini, Anda akan dapat menjawab semua pertanyaan tersebut dengan yakin.

Mengapa kita memerlukan model GARCH

Memahami volatilitas

Amati pengelompokan volatilitas

Hitung volatilitas

Apa itu ARCH dan GARCH

Tinjau dasar-dasar model GARCH

Simulasikan deret ARCH dan GARCH

Amati dampak parameter model

Cara mengimplementasikan model GARCH di Python

Tinjau dokumentasi "arch"

Mengimplementasikan model GARCH dasar

Membuat peramalan dengan model GARCH

2

Konfigurasi Model GARCH

Model GARCH yang normal tidak merepresentasikan data keuangan sebenarnya, yang distribusinya kerap menampilkan ekor gemuk, kecondongan (skewness), dan guncangan asimetris. Di bab ini, Anda akan mempelajari cara mendefinisikan model GARCH yang lebih baik dengan asumsi yang lebih realistis. Anda juga akan mempelajari cara membuat prakiraan volatilitas yang lebih canggih dengan pendekatan jendela bergulir.

Asumsi distribusi

Fat tails dan skewness

Plot distribusi residual terstandarisasi

Melatih GARCH dengan sebaran t-belengkok

Spesifikasi model mean

Periksa asumsi model mean

Dampak model mean terhadap prediksi volatilitas

Model volatilitas untuk guncangan asimetris

Pemodelan respons volatilitas yang asimetris

Melakukan fitting model GARCH pada cryptocurrency

Bandingkan GJR-GARCH dengan EGARCH

Prakiraan GARCH dengan jendela bergulir

Mengapa menggunakan peramalan rolling window

Peramalan rolling window tetap

Bandingkan hasil peramalan

3

Evaluasi Kinerja Model

Bab ini memperkenalkan Anda pada prinsip KISS dalam pemodelan data science. Anda akan mempelajari cara menggunakan p-value dan t-statistic untuk menyederhanakan konfigurasi model, menggunakan plot ACF dan uji Ljung-Box untuk memverifikasi asumsi model, serta menggunakan likelihood dan kriteria informasi untuk pemilihan model.

Uji signifikansi parameter model

Tetap sederhana saja

Sederhanakan model dengan p-value

Sederhanakan model dengan statistik t

Validasi asumsi model GARCH

Deteksi autokorelasi

Uji Ljung-Box

Ukuran Goodness of Fit

Dasar-dasar goodness of fit

Pilih pemenang berdasarkan log-likelihood

Pilih pemenang berdasarkan AIC/BIC

Uji balik model GARCH

Dasar-dasar backtesting

Backtesting dengan MAE, MSE

4

GARCH dalam Praktik

Di bab terakhir ini, Anda akan mempelajari cara menerapkan model GARCH yang sebelumnya Anda pelajari pada skenario dunia keuangan yang praktis. Anda akan mengembangkan keterampilan saat semakin akrab dengan VaR dalam manajemen risiko, kovariansi dinamis dalam alokasi aset, dan Beta dinamis dalam pengelolaan portofolio.

VaR dalam manajemen risiko keuangan

Hitung VaR parametrik

Hitung VaR empiris

Kovarians dinamis dalam optimisasi portofolio

Konsep kovarians

Hitung kovarians GARCH

Hitung varians portofolio dinamis

Beta Dinamis dalam manajemen portofolio

Konsep Beta

Hitung Beta saham dinamis

Model GARCH di Python

Kursus
Selesai

Memperoleh Surat Keterangan Prestasi

Tambahkan kredensial ini ke profil LinkedIn, resume, atau CV Anda
Bagikan di media sosial dan dalam penilaian kinerja AndaDaftar sekarang

Bergabung dengan 19 juta pelajar dan mulai Model GARCH di Python Hari Ini!

Kembangkan keterampilan data Anda dengan DataCamp untuk Mobile

Buat kemajuan di mana saja dengan kursus mobile kami dan tantangan coding harian 5 menit.