これらのコースを受講したことで、プロフェッショナルなビジュアライゼーションやダッシュボードを自信を持って作成できるようになりました
Shoebur Rahman調達スペシャリスト、Giz Bangladesh
コースの説明
ボラティリティは金融における重要な概念です。そのため、PythonのGARCHモデルは、特に時間依存のある時系列データで分散の変化を予測する際に広く用いられます。本コースでは、GARCHモデルをどのように、いつ実装するか、モデルの前提をどのように設定するか、そしてボラティリティ予測やモデル性能の評価方法を学びます。Teslaの株価データを含む実データを使って、Value-at-Risk、共分散、株式のベータといった計算を通じて、ポートフォリオリスクをより適切に定量化する実践力を身につけます。さらに、株式、株価指数、暗号資産、外国為替など幅広い資産クラスに学習内容を適用し、実務でGARCHモデルを活用できるよう準備します。
前提条件
カリキュラム
コース概要
1
GARCHモデルの基礎
GARCHモデルとは何か、何に使われるのか、そしてPythonでどのように実装するのか。第1章を終えると、これらの疑問に自信を持って答えられるようになります。
2
GARCHモデルの設定
通常のGARCHモデルは、しばしば厚い裾、歪度、非対称ショックを示す実際の金融データを十分に表現できません。この章では、より現実的な前提でGARCHモデルを定義し、改善する方法を学びます。また、ローリングウィンドウ手法を使って、より高度なボラティリティ予測を行う方法も身につけます。
3
モデル性能の評価
この章では、データサイエンスのモデリングにおけるKISS原則を紹介します。p値やt統計量を用いてモデル設定を簡素化し、ACFプロットやLjung-Box検定でモデルの前提を検証し、尤度と情報量基準を用いてモデル選択を行う方法を学びます。
4
GARCHの実践
最終章では、これまでに学んだGARCHモデルを実務の金融シナリオに適用する方法を学びます。リスク管理におけるVaR、資産配分における動学的共分散、ポートフォリオ運用における動学的ベータに慣れながら、実践的なスキルを磨いていきます。
Pythonで学ぶGARCHモデル
コース修了
