After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kurs Açıklaması
Oynaklık (volatilite) finansta temel bir kavramdır; bu yüzden özellikle zamana bağlı zaman serileriyle çalışırken varyanstaki değişimleri öngörmek için Python’daki GARCH modelleri sıkça tercih edilir. Bu kursta GARCH modellerini nasıl ve ne zaman uygulayacağını, model varsayımlarını nasıl belirleyeceğini, volatilite tahminleri yapmayı ve model performansını değerlendirmeyi öğreneceksin. Tesla’nın tarihsel hisse fiyatları da dahil olmak üzere gerçek dünya verileriyle, Riske Maruz Değer (Value-at-Risk), kovaryans ve hisse Betası hesaplamaları üzerinden portföy risklerini daha iyi ölçme konusunda pratik deneyim kazanacaksın. Öğrendiklerini hisseler, endeksler, kripto paralar ve döviz dahil geniş bir varlık yelpazesine uygulayarak GARCH modellerini hayata geçirmeye hazır hale geleceksin.
Ön Koşullar
Müfredat
Kurs içeriği
1
GARCH Model Temelleri
GARCH modelleri nedir, ne için kullanılır ve Python’da nasıl uygulanır? Bu ilk bölümü tamamladıktan sonra tüm bu soruları güvenle yanıtlayabileceksin.
- Neden GARCH modellere ihtiyacımız var50 XP
- Volatiliteyi anla50 XP
- Volatilite kümeleşmesini gözlemle100 XP
- Volatiliteyi hesapla100 XP
- ARCH ve GARCH nedir50 XP
- GARCH modelinin temellerini gözden geçir50 XP
- ARCH ve GARCH serilerini simüle et100 XP
- Model parametrelerinin etkisini gözlemle100 XP
- Python'da GARCH modelleri nasıl uygulanır50 XP
- "arch" dokümantasyonunu incele50 XP
- Basit bir GARCH modelini uygula100 XP
- GARCH modelleriyle tahmin yap100 XP
2
GARCH Model Yapılandırması
Standart bir GARCH modeli, dağılımları sıkça kalın kuyruklar, çarpıklık ve asimetrik şoklar sergileyen gerçek finansal verileri tam olarak yansıtmaz. Bu bölümde, daha gerçekçi varsayımlarla daha iyi GARCH modelleri tanımlamayı öğreneceksin. Ayrıca, dönen pencere (rolling window) yaklaşımlarıyla daha gelişmiş volatilite tahminleri yapmayı da öğreneceksin.
3
Model Performans Değerlendirmesi
Bu bölüm seni veri bilimi modellemesinin KISS ilkesine girişle tanıştırır. Model yapılandırmasını sadeleştirmek için p-değerlerini ve t-istatistiklerini kullanmayı, model varsayımlarını doğrulamak için ACF grafiği ile Ljung-Box testini ve model seçimi için olabilirlik ile bilgi ölçütlerini kullanmayı öğreneceksin.
4
Uygulamada GARCH
Bu son bölümde, daha önce öğrendiğin GARCH modellerini finans dünyasındaki pratik senaryolara nasıl uygulayacağını öğreneceksin. Risk yönetiminde VaR, varlık tahsisinde dinamik kovaryans ve portföy yönetiminde dinamik Beta konularına daha aşina oldukça becerilerini geliştireceksin.
Python ile GARCH Modelleri
Kurs
Tamamlandı
