模型参数的显著性检验

Python 中的 GARCH 模型

Chelsea Yang

Data Science Instructor

我需要这个参数吗？

  • 是否有意义

  • KISS：保持简单

  • 始终优先选择精炼的模型
Python 中的 GARCH 模型

假设检验

  • 原假设（H0）：待检验的主张

  • H0：参数值 = 0

  • 若不能拒绝 H0，删去该参数

Python 中的 GARCH 模型

统计显著性

  • 量化观测结果由随机性产生的可能性
  • 常用阈值：5%
Python 中的 GARCH 模型

p 值

  • 观测结果可能偶然发生的概率

  • p 值越小，原假设越站不住脚

  • 若 p 值 < 显著性水平，则拒绝原假设

Python 中的 GARCH 模型

p 值示例

print(gm_result.summary())

摘要中的 p 值

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 中的 GARCH 模型

t 统计量

  • t 统计量 = 估计参数 / 标准误
  • t 统计量的绝对值是距离度量
  • 若 |t 统计量| > 2：在 GARCH 模型中保留该参数
Python 中的 GARCH 模型

t 统计量示例

print(gm_result.summary())

摘要中的 t 统计量

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 中的 GARCH 模型

Passons à la pratique !

Python 中的 GARCH 模型

Preparing Video For Download...