ARIMA-GARCH

首先，本文會執行模型建置的過程，讓讀者了解Python套件的應用，但是不會進行上篇文章中提及的任何檢定，以避免篇幅冗長；接著，計算預測報酬以及價格；最後將以視覺化方式比對真實歷史價格，來檢討ARMA-GARCH模型的預測效果。 Note：本文是利用”ARMA”模型對報酬率建模，而非上篇文章中的”ARIMA”，其差異處僅在ARIMA能夠處理非定態數據。上篇使用ARIMA是想盡量讓讀者了解時間序列的原理，而本文使用ARMA是想讓讀者多了解一種方法。