After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
코스 설명
변동성은 금융에서 핵심 개념이며, 특히 시계열 데이터처럼 시간 의존적 데이터에서 분산의 변화를 예측할 때 Python의 GARCH 모델이 널리 사용됩니다. 이 강의에서는 GARCH 모델을 언제, 어떻게 구현하는지, 모델 가정을 어떻게 설정하는지, 변동성을 어떻게 예측하고 모델 성능을 평가하는지를 다룹니다. 테슬라 주가의 과거 데이터 등 실제 데이터를 사용해, VaR(Value-at-Risk), 공분산, 주식 베타(Beta)를 계산하며 포트폴리오 위험을 더 잘 정량화하는 실습을 진행합니다. 또한 주식, 지수, 암호화폐, 외환 등 다양한 자산에 배운 내용을 적용해, GARCH 모델을 실전에 활용할 수 있도록 준비합니다.
사전 요구 사항
커리큘럼
코스 개요
1
GARCH 모델 기초
GARCH 모델은 무엇이며, 무엇에 쓰이고, Python에서는 어떻게 구현할 수 있을까요? 이 1장을 마치면 이러한 질문에 자신 있게 답할 수 있게 됩니다.
2
GARCH 모델 설정
일반적인 GARCH 모델은 현실의 금융 데이터를 충분히 반영하지 못합니다. 금융 데이터의 분포는 종종 두꺼운 꼬리, 비대칭성, 비대칭 충격을 보이기 때문입니다. 이번 장에서는 더 현실적인 가정을 통해 더 나은 GARCH 모델을 정의하는 방법을 학습합니다. 또한 롤링 윈도우 접근법으로 한층 정교한 변동성 예측을 수행하는 방법도 배웁니다.
3
모델 성능 평가
이 장에서는 데이터 사이언스 모델링의 KISS 원칙을 소개합니다. p-value와 t-통계를 활용해 모델 설정을 단순화하고, ACF 플롯과 Ljung-Box 검정으로 모델 가정을 검증하며, 최대우도와 정보 기준을 사용해 모델을 선택하는 방법을 배웁니다.
4
실전 GARCH
마지막 장에서는 지금까지 배운 GARCH 모델을 실제 금융 환경에 적용하는 방법을 익힙니다. 리스크 관리에서의 VaR, 자산 배분에서의 동적 공분산, 포트폴리오 관리에서의 동적 베타를 다루며 실무 역량을 강화합니다.
Python으로 배우는 GARCH 모델
코스
완료
