After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Biến động là một khái niệm then chốt trong tài chính, đó là lý do mô hình GARCH trong Python rất phổ biến để dự báo thay đổi phương sai, đặc biệt khi làm việc với dữ liệu chuỗi thời gian có phụ thuộc theo thời gian. Khóa học này sẽ chỉ cho bạn cách và thời điểm triển khai mô hình GARCH, cách xác định các giả định của mô hình, cũng như cách dự báo biến động và đánh giá hiệu quả mô hình. Sử dụng dữ liệu thực tế, bao gồm giá cổ phiếu Tesla lịch sử, bạn sẽ thực hành định lượng rủi ro danh mục tốt hơn thông qua các phép tính Giá trị rủi ro (Value-at-Risk), hiệp phương sai và Beta cổ phiếu. Bạn cũng sẽ áp dụng những gì đã học cho nhiều loại tài sản như cổ phiếu, chỉ số, tiền điện tử và ngoại hối, giúp bạn sẵn sàng áp dụng mô hình GARCH.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Những điều căn bản về mô hình GARCH
Mô hình GARCH là gì, dùng để làm gì, và bạn có thể triển khai chúng trong Python như thế nào? Sau khi hoàn thành chương đầu tiên này, bạn sẽ tự tin trả lời tất cả các câu hỏi đó.
- Vì sao chúng ta cần mô hình GARCH50 XP
- Hiểu về biến động (volatility)50 XP
- Quan sát hiện tượng cụm biến động (volatility clustering)100 XP
- Tính độ biến động (volatility)100 XP
- ARCH và GARCH là gì50 XP
- Ôn lại kiến thức cơ bản về mô hình GARCH50 XP
- Mô phỏng chuỗi ARCH và GARCH100 XP
- Quan sát tác động của tham số mô hình100 XP
- Cách triển khai mô hình GARCH trong Python50 XP
- Xem lại tài liệu của "arch"50 XP
- Triển khai một mô hình GARCH cơ bản100 XP
- Dự báo với mô hình GARCH100 XP
2
Cấu hình mô hình GARCH
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).
3
Đánh giá hiệu quả mô hình
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.
4
GARCH trong thực tiễn
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.
Mô hình GARCH với Python
Hoàn
thành khóa học
