Model parametrelerinin anlamlılık testi

Python ile GARCH Modelleri

Chelsea Yang

Data Science Instructor

Bu parametre gerekli mi?

İlgili mi
KISS: basit tut (keep it simple, stupid)

Her zaman yalın (parsimonik) modeli tercih ediniz

Hipotez testi

Sıfır hipotezi (H0): doğrulanacak iddia
H0: parametre değeri = 0
H0 reddedilemiyorsa, parametreyi dışarıda bırakınız

İstatistiksel anlamlılık

Gözlenen sonucun şans eseri olma olasılığını niceliklendirin
Yaygın eşik: %5

p-değeri

Gözlenen sonuçların tesadüfen olmuş olma olasılığı
p-değeri ne kadar düşükse, sıfır hipotezi o kadar zayıf görünür
p-değeri < anlamlılık düzeyi ise H0’ı reddediniz

p-değeri örneği

print(gm_result.summary())

Özet içinde p-değeri

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

T-istatistiği

t-istatistiği = tahmini parametre / standart hata
t-istatistiğinin mutlak değeri bir uzaklık ölçüsüdür
Eğer |t-istatistiği| > 2 ise: parametreyi GARCH modelinde tutunuz

T-istatistiği örneği

print(gm_result.summary())

Özet içinde t-istatistikleri

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

Hadi pratik yapalım!

Python ile GARCH Modelleri

Preparing Video For Download...