Setelah mengikuti kursus-kursus ini, saya merasa percaya diri membuat visualisasi dan dasbor profesional
Shoebur RahmanSpesialis Pengadaan, Giz Bangladesh
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.
Prasyarat
Kurikulum
Ringkasan kursus
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 GARCH50 XP
- Memahami volatilitas50 XP
- Amati pengelompokan volatilitas100 XP
- Hitung volatilitas100 XP
- Apa itu ARCH dan GARCH50 XP
- Tinjau dasar-dasar model GARCH50 XP
- Simulasikan deret ARCH dan GARCH100 XP
- Amati dampak parameter model100 XP
- Cara mengimplementasikan model GARCH di Python50 XP
- Tinjau dokumentasi "arch"50 XP
- Mengimplementasikan model GARCH dasar100 XP
- Membuat peramalan dengan model GARCH100 XP
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.
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.
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.
Model GARCH di Python
Kursus
Selesai
