Teste de significância dos parâmetros do modelo

Modelos GARCH em Python

Chelsea Yang

Data Science Instructor

Preciso deste parâmetro?

  • É relevante?

  • KISS: mantenha o mais simples possível

  • Sempre prefira um modelo parcimonioso
Modelos GARCH em Python

Teste de hipótese

  • Hipótese nula (H0): uma afirmação a ser verificada

  • H0: valor do parâmetro = 0

  • Se não der para rejeitar H0, deixe o parâmetro de fora

Modelos GARCH em Python

Significância estatística

  • Quantificar a chance de observar estes resultados ao acaso
  • Limite comum: 5%
Modelos GARCH em Python

P-valor

  • A probabilidade de os resultados observados terem ocorrido ao acaso

  • Quanto menor o p-valor, mais absurda parece a hipótese nula

  • Rejeite a hipótese nula se p-valor < nível de significância

Modelos GARCH em Python

Exemplo de p-valor

print(gm_result.summary())

P-value in summary

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
Modelos GARCH em Python

Estatística t

  • Estatística t = parâmetro estimado / erro padrão
  • O valor absoluto de t é uma medida de distância
  • Se |t| > 2: mantenha o parâmetro no modelo GARCH
Modelos GARCH em Python

Exemplo de estatística t

print(gm_result.summary())

T-statistics in summary

print(gm_result.tvalues)

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

# Cálculo manual
t = gm_result.params/gm_result.std_err
Modelos GARCH em Python

Vamos praticar!

Modelos GARCH em Python

Preparing Video For Download...