Mô hình GARCH với Python

Một mô hình GARCH thông thường không phản ánh đúng dữ liệu tài chính thực, vốn thường có phân phối đuôi dày, độ lệch và cú sốc bất đối xứng. Trong chương này, bạn sẽ học cách xác định các mô hình GARCH tốt hơn với các giả định thực tế hơn. Bạn cũng sẽ học cách tạo các dự báo biến động tinh vi hơn với cách tiếp cận cửa sổ trượt (rolling window).

Chương này giới thiệu cho bạn nguyên tắc KISS trong mô hình hóa khoa học dữ liệu. Bạn sẽ học cách dùng p-value và thống kê t để đơn giản hóa cấu hình mô hình, dùng biểu đồ ACF và kiểm định Ljung-Box để kiểm chứng giả định mô hình, cũng như dùng hàm hợp lý và các tiêu chí thông tin để chọn mô hình.

Trong chương cuối, bạn sẽ học cách áp dụng các mô hình GARCH đã học vào các tình huống tài chính thực tế. Bạn sẽ rèn luyện kỹ năng khi làm quen hơn với VaR trong quản trị rủi ro, hiệp phương sai động trong phân bổ tài sản và Beta động trong quản lý danh mục.