Test de signification des paramètres du modèle

Modèles GARCH en Python

Chelsea Yang

Data Science Instructor

Ai-je besoin de ce paramètre ?

  • Est-ce pertinent

  • KISS : keep it simple stupid

  • Toujours privilégier un modèle parcimonieux
Modèles GARCH en Python

Test d'hypothèse

  • Hypothèse nulle (H0) : une affirmation à vérifier

  • H0 : valeur du paramètre = 0

  • Si H0 ne peut pas être rejetée, retirer le paramètre

Modèles GARCH en Python

Signification statistique

  • Quantifier la probabilité d'obtenir ces résultats par hasard
  • Seuil courant : 5 %
Modèles GARCH en Python

P-value

  • Les résultats observés peuvent être dus au hasard

  • Plus la p-value est faible, plus H0 paraît peu crédible

  • Rejeter H0 si p-value < niveau de signification

Modèles GARCH en Python

Exemple de p-value

print(gm_result.summary())

P-value dans le récapitulatif

print(gm_result.pvalues)

mu           9.031206e-08
omega        1.619415e-05
alpha[1]     4.283526e-10
beta[1]     1.302531e-183
Name: pvalues, dtype: float64
Modèles GARCH en Python

T-statistic

  • T-statistic = paramètre estimé / erreur standard
  • La valeur absolue de la t-statistic mesure une distance
  • Si |t-statistic| > 2 : garder le paramètre dans le modèle GARCH
Modèles GARCH en Python

Exemple de t-statistic

print(gm_result.summary())

T-statistics dans le récapitulatif

print(gm_result.tvalues)

mu           5.345210
omega        4.311785
alpha[1]     6.243330
beta[1]     28.896991
Name: tvalues, dtype: float64

# Manual calculation
t = gm_result.params/gm_result.std_err
Modèles GARCH en Python

Passons à la pratique !

Modèles GARCH en Python

Preparing Video For Download...