After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Opis kursu
Czy zastanawiasz się, co napędza rytm rynków finansowych? Chcesz wiedzieć, kiedy spokojny rynek staje się burzliwy? W tym kursie poświęconym modelom GARCH poznasz prospektywne podejście do równoważenia ryzyka i zysku w finansowym podejmowaniu decyzji. Kurs stopniowo przechodzi od standardowego modelu GARCH(1,1) z rozkładem normalnym do bardziej zaawansowanych modeli zmienności – z efektem dźwigni, specyfikacją GARCH-in-mean oraz zastosowaniem asymetrycznego rozkładu t-Studenta do modelowania stóp zwrotu. Zastosowania obejmują optymalizację portfela, ocenę prognoz na podstawie próbek kroczących, prognozowanie wartości zagrożonej (VaR) oraz analizę dynamicznych kowariancji dla akcji i kursów walutowych.
Wymagania wstępne
Program kursu
Plan kursu
1
Standardowy model GARCH jako model bazowy
Zaczynamy od razu od praktyki. Krocząca analiza okna dla dziennych stóp zwrotu z akcji pokazuje, że odchylenie standardowe zmienia się znacząco w czasie. Patrząc wstecz, mamy wyraźne dowody na zmienną w czasie zmienność. Patrząc w przyszłość, musimy oszacować zmienność przyszłych stóp zwrotu – i właśnie do tego służy model GARCH. W tym rozdziale poznasz podstawy pakietu rugarch: jak specyfikować i estymować bazowy model GARCH(1,1) w R. Na koniec zobaczysz, jak przydaje się on w taktycznej alokacji aktywów.
- Analiza zmienności50 XP
- Obliczanie stóp zwrotu100 XP
- Odchylenie standardowe na podpróbkach100 XP
- Kroczące okno w akcji100 XP
- Równanie GARCH do prognozowania zmienności50 XP
- Reakcja modelu GARCH(1,1) na jednorazowe szoki50 XP
- Błędy predykcji100 XP
- Rekurencyjna natura wariancji GARCH100 XP
- Pakiet rugarch50 XP
- Określ i poznaj różne warianty modelu GARCH100 XP
- Prognozowanie poza próbą100 XP
- Targetowanie zmienności w taktycznej alokacji aktywów100 XP
2
Udoskonalenia normalnego modelu GARCH
Rynki wchodzą po schodach, a zjeżdżają windą. Ta giełdowa mądrość ma istotne konsekwencje dla budowania realistycznego modelu zmienności. Wymaga rezygnacji z założenia o normalności rozkładu oraz symetrycznej reakcji zmienności na szoki. W tym rozdziale poznasz modele GARCH z efektem dźwigni oraz innowacjami opartymi na asymetrycznym rozkładzie t-Studenta. Po ukończeniu rozdziału będziesz w stanie szacować ponad dziesięć tysięcy różnych specyfikacji modeli GARCH.
3
Ocena jakości modelu
Modele GARCH dostarczają prognoz zmienności, które stanowią dane wejściowe dla finansowego podejmowania decyzji. Aby stosować je w praktyce, trzeba najpierw ocenić jakość tych prognoz. W tym rozdziale poznasz metody analizy istotności statystycznej szacowanych parametrów GARCH, właściwości standaryzowanych stóp zwrotu, interpretację kryteriów informacyjnych oraz zastosowanie kroczącego okna estymacji GARCH i błędu średniokwadratowego do oceny trafności prognoz zmienności.
4
Zastosowania
Na tym etapie opanujesz standardową specyfikację, estymację i walidację modeli GARCH w pakiecie rugarch. Ten rozdział przedstawia wybrane funkcjonalności rugarch: szacowanie wartości zagrożonej (VaR), wdrażanie modelu GARCH w środowisku produkcyjnym oraz symulowanie stóp zwrotu z modelu GARCH. Przekonasz się też, że obecność dynamiki GARCH w wariancji ma konsekwencje dla symulowania logarytmicznych stóp zwrotu, estymacji współczynnika beta akcji i wyznaczania portfela o minimalnej wariancji.
R
Modele GARCH w R
Kurs
ukończony
