Использование модели GARCH для прогнозирования

Частные лица и финансовые компании используют волатильность для измерения изменения цен на акции, криптовалюты, форекс, индексы и товары (например, золото). В этом проекте мы будем использовать модель GARCH для прогнозирования волатильности криптовалют с течением времени.

Следует отметить, что этот проект также можно использовать для прогнозирования других криптовалют

Подготовка данных

Набор данных для этого проекта загружается из Alpha Vantage через API-запросы. В документации к API указано, что Этот API возвращает ежедневные исторические временные ряды для цифровой валюты (например, BTC), торгуемой на определенном рынке (например, CNY/китайский юань), обновляемые ежедневно в полночь (UTC). Цены и объемы указаны как в валюте конкретного рынка, так и в долларах США.

Новые записи поступают из обновлений API каждую полночь (UTC), поэтому необходимо сохранять последние извлеченные данные в базе данных. Это делается с помощью базы данных sqlite3.

Исследовательский анализ данных

Следует отметить, что масштабы этого проекта - с 10 апреля 2020 года по 4 января 2023 года.

Следующий линейный график показывает, что самая высокая сумма, зарегистрированная BTC, составляет около 67 000 долларов США в ноябре 2021 года, а наименьшая зарегистрированная сумма — 7 000 долларов США в апреле 2020 года.

Следующая гистограмма показывает, что распределение дневной доходности BTC является равномерным.

Следующий линейный график показывает, что самая высокая скользящая волатильность за 30 дней была зарегистрирована в июне 2021 года, мае 2021 года и феврале 2021 года.

Оценка и проверка модели

В наборе данных 5 объектов и 1000 наблюдений, однако столбец «закрыть» использовался для создания столбца «возврат», который затем использовался для построения модели.

Очищенные данные были загружены в модель garch, и производительность модели была измерена с использованием лагов и уровня значимости (P › |t|).

Модель гарча была использована, потому что при визуализации существует кластер малых квадратов процентных доходностей.

Лучшие показатели, зарегистрированные для этой модели:

  • р = 1 и д = 1
  • Значение альфа [1] = 0,102
  • Значимость бета [1] = 0,000
  • Значение омеги [1] = 4,074e-03
  • AIC = 3817,72 и BIC = 3835,92.

Наилучшими значениями значимости являются значения менее 0,05, и эти значения были достигнуты при бета[1] и омега[1]. Только альфа[1] имеет значение больше 0,05.

Поскольку индекс набора данных представляет собой временные метки, необходимо генерировать прогнозы с помощью проверки вперед.

Метод шаговой проверки был использован для создания тестовых прогнозов ежедневной доходности ниже:

date
2022-03-11    4.323363
2022-03-12    4.253152
2022-03-13    4.169073
2022-03-14    4.126524
2022-03-15    4.141623
dtype: float64

Сообщать о выводах и результатах

Вывод из исследования и модели:

  • Средняя дневная волатильность составляет примерно 3,628.
  • Среднегодовая волатильность составляет примерно 69,307.
  • Наибольшее значение, зафиксированное BTC, составляет 67525,83 доллара США в ноябре 2021 года.
  • Наименьшее значение, зафиксированное BTC, составляет $6621,24 в апреле 2020 года.
  • Наибольшее процентное изменение BTC (USD) с 11 апреля 2020 года составляет 19,54%, а наименьшее -15,38%.
  • Наиболее частая условная волатильность находится между 3,5 и 4,0.

В конце этого проекта была создана интерактивная панель инструментов для прогнозирования волатильности, максимальной и минимальной цены BTC в долларах США.

Ссылка на блокнот:

https://github.com/GentRoyal/volatility/blob/main/Predicting%20Volatility.ipynb