適合度の指標

Pythonで学ぶGARCHモデル

Chelsea Yang

Data Science Instructor

適合度

モデルはデータを十分に説明できるか？

1. 最尤法
2. 情報量規準

最尤法

• 想定モデルの下で観測データが得られる確率を最大化する
• 尤度が大きいモデルを優先する

Python での対数尤度

• 通常は対数形（対数尤度）を用いる

print(gm_result.loglikelihood)

過学習

• 学習データにはよく当てはまるが、外部データでの予測が悪い
• 多くはモデルが過度に複雑であるため

情報量規準

• 適合度とモデルの複雑さのトレードオフを測る

• 尤度 + 複雑さへの罰則

• AIC：赤池情報量規準

• BIC：ベイズ情報量規準

情報量規準は値が小さいモデルを選ぶ

AIC と BIC

• 一般に両者は同じ結論になる
• BIC はモデルの複雑さをより強く罰則化する

Python での AIC/BIC

print(gm_result.aic)
print(gm_result.bic)

演習に進みましょう！

Pythonで学ぶGARCHモデル