モデルパラメータの有意性検定

Pythonで学ぶGARCHモデル

Chelsea Yang

Data Science Instructor

このパラメータは必要か？

  • それは有用か

  • KISS: できるだけ簡潔に

  • つねに節約的（パースモニアス）なモデルを優先
Pythonで学ぶGARCHモデル

仮説検定

  • 帰無仮説（H0）：検証すべき主張

  • H0：パラメータ値 = 0

  • H0を棄却できなければ、そのパラメータは除外

Pythonで学ぶGARCHモデル

統計的有意性

  • 観測結果が偶然生じた可能性を定量化
  • 一般的なしきい値：5%
Pythonで学ぶGARCHモデル

p値

  • 観測結果が偶然起こり得る確率

  • p値が低いほど、帰無仮説はより不適切に見える

  • p値 < 有意水準なら帰無仮説を棄却

Pythonで学ぶGARCHモデル

p値の例

print(gm_result.summary())

サマリのp値

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
Pythonで学ぶGARCHモデル

t統計量

  • t統計量 = 推定パラメータ / 標準誤差
  • t統計量の絶対値は距離の指標
  • |t統計量| > 2 のとき：GARCHモデルに残す
Pythonで学ぶGARCHモデル

t統計量の例

print(gm_result.summary())

サマリのt統計量

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
Pythonで学ぶGARCHモデル

練習しましょう！

Pythonで学ぶGARCHモデル

Preparing Video For Download...