Cursus
GARCH-modellen in R
GevorderdVaardigheidsniveau
Bijgewerkt 08-2024
RApplied Finance4 u16 videos60 Opdrachten4,550 XP8,777Bewijs van Prestatie
Maak je kosteloos account aan
Ga verder met GoogleMeer opties weergevenof
Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.
Geliefd bij leerlingen van duizenden bedrijven
Een team trainen?
Probeer voor bedrijvenCursusbeschrijving
Vereisten
Time Series Analysis in RManipulating Time Series Data in R1
Het standaard GARCH-model als werkpaard
We beginnen met de handen uit de mouwen. Een rolling window-analyse van dagelijkse aandelenrendementen laat zien dat de standaarddeviatie sterk door de tijd verandert. Terugkijkend op het verleden hebben we dus duidelijk bewijs van tijdsafhankelijke volatiliteit. Vooruitkijkend moeten we de volatiliteit van toekomstige rendementen schatten. Dat is precies wat een GARCH-model doet! In dit hoofdstuk leer je de basis van het gebruik van het rugarch-pakket voor het specificeren en schatten van het werkpaard GARCH(1,1)-model in R. We sluiten af door de bruikbaarheid ervan te laten zien in tactische asset-allocatie.
2
Verbeteringen van het normale GARCH-model
Markten nemen de trap omhoog en de lift naar beneden. Deze Wall Street-wijsheid heeft belangrijke gevolgen voor het specificeren van een realistisch volatiliteitsmodel. Het vereist dat je de aanname van normaliteit loslaat, net als de symmetrische reactie van volatiliteit op schokken. In dit hoofdstuk leer je over GARCH-modellen met een hefboomeffect en scheve student-t-innovaties. Aan het eind kun je GARCH-modellen gebruiken om meer dan tienduizend verschillende GARCH-specificaties te schatten.
3
Prestatie-evaluatie
GARCH-modellen leveren volatiliteitsvoorspellingen die dienen als input voor financiële besluitvorming. Voor gebruik in de praktijk moet je eerst de kwaliteit van de volatiliteitsvoorspelling evalueren. In dit hoofdstuk leer je over de analyse van de statistische significantie van de geschatte GARCH-parameters, de eigenschappen van gestandaardiseerde rendementen, de interpretatie van informatiecriteria en het gebruik van rolling GARCH-schatting en mean squared prediction errors om de nauwkeurigheid van de volatiliteitsvoorspelling te beoordelen.
4
Toepassingen
Op dit punt beheers je de standaard specificatie, schatting en validatie van GARCH-modellen in het rugarch-pakket. Dit hoofdstuk introduceert specifieke rugarch-functionaliteit voor het maken van value-at-risk-schattingen, voor gebruik van het GARCH-model in productie en voor het simuleren van GARCH-rendementen. Je ontdekt ook dat de aanwezigheid van GARCH-dynamiek in de variantie gevolgen heeft voor het simuleren van log-rendementen, het schatten van de bèta van een aandeel en het vinden van de minimumvariantieportefeuille.
GARCH-modellen in R
Cursus voltooid
Verdien een prestatieverklaring
Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitaeDeel het op sociale media en in je functioneringsgesprekSchrijf je nu in
Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met GARCH-modellen in R!
Maak je kosteloos account aan
Ga verder met GoogleMeer opties weergevenof
Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.
Ontwikkel je datavaardigheden met DataCamp voor Mobiel
Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.