Kiểm định ý nghĩa của tham số mô hình

Mô hình GARCH với Python

Chelsea Yang

Data Science Instructor

Tôi có cần tham số này không?

  • Có cần thiết không

  • KISS: giữ mọi thứ thật đơn giản

  • Luôn ưu tiên mô hình gọn nhẹ
Mô hình GARCH với Python

Kiểm định giả thuyết

  • Giả thuyết không (H0): phát biểu cần kiểm chứng

  • H0: giá trị tham số = 0

  • Nếu không bác bỏ H0, bỏ tham số đó

Mô hình GARCH với Python

Ý nghĩa thống kê

  • Định lượng khả năng kết quả quan sát do ngẫu nhiên
  • Ngưỡng thường dùng: 5%
Mô hình GARCH với Python

Giá trị p (p-value)

  • Xác suất kết quả quan sát xuất hiện do ngẫu nhiên

  • p-value càng nhỏ, H0 càng kém hợp lý

  • Bác bỏ H0 nếu p-value < mức ý nghĩa

Mô hình GARCH với Python

Ví dụ về p-value

print(gm_result.summary())

P-value trong bảng tóm tắt

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
Mô hình GARCH với Python

Thống kê t

  • Thống kê t = ước lượng tham số / sai số chuẩn
  • |t| đo khoảng cách
  • Nếu |t| > 2: giữ tham số trong mô hình GARCH
Mô hình GARCH với Python

Ví dụ về thống kê t

print(gm_result.summary())

Thống kê t trong bảng tóm tắt

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
Mô hình GARCH với Python

Ayo berlatih!

Mô hình GARCH với Python

Preparing Video For Download...