bashtage/arch

해결하는 문제

이 라이브러리는 금융 계량 경제학을 위한 포괄적인 도구 모음을 제공합니다. 연구자와 분석가가 변동성을 모델링하고, 시계열 데이터의 통계적 특성을 검정하며, 부트스트래핑 및 공분산 추정과 같은 고급 통계적 추론을 수행할 수 있도록 설계되었습니다.

작동 방식

이 라이브러리는 Python 데이터 과학 스택(NumPy, SciPy, pandas, statsmodels)을 기반으로 구축되었습니다. 계산 집약적인 작업을 처리하기 위해 Cython 및 Numba를 통한 성능 최적화 코드를 사용합니다. 사용자는 간단하고 일관된 인터페이스를 사용하여 변동성을 위한 GARCH 또는 TARCH와 같은 복잡한 통계 모델을 정의하고 적합할 수 있으며, 진단 테스트나 리샘플링 방법을 적용하여 결과를 검증할 수 있습니다.

대상 사용자

시계열 데이터에 대해 엄격한 정량적 분석을 수행해야 하는 금융 분석가, 경제학자 및 연구자를 대상으로 합니다. 특히 변동성이 시간에 따라 어떻게 변화하는지 모델링해야 하거나, 단위근 및 공적분에 대한 강력한 통계적 검정이 필요한 사용자에게 유용합니다.

주요 특징

• 변동성 모델링: TARCH, EGARCH, APARCH를 포함한 다양한 ARCH/GARCH 계열 모델을 광범위하게 지원하며, 여러 분포 옵션을 제공합니다.
• 통계적 검정: 단위근 검정(예: Augmented Dickey-Fuller, KPSS) 및 공적분 분석을 위한 내장 도구.
• 리샘플링 방법: 신뢰 구간을 구성하고 모델 매개변수를 추정하기 위한 유연한 부트스트랩 프레임워크.
• 고급 진단: 다중 비교 검정 및 커널 기반 방법을 사용한 장기 공분산 추정을 위한 절차를 포함합니다.
• 성능: Cython 및 Numba를 사용하여 속도가 최적화되어 복잡한 금융 모델의 효율적인 실행을 보장합니다.