मॉडल पैरामीटर्स का सिग्निफिकेंस टेस्टिंग

Python में GARCH मॉडल

Chelsea Yang

Data Science Instructor

क्या मुझे यह पैरामीटर चाहिए?

क्या यह प्रासंगिक है
KISS: keep it simple stupid

हमेशा साधा (parsimonious) मॉडल को प्राथमिकता दें

हाइपोथिसिस टेस्ट

शून्य परिकल्पना (H0): जाँचने योग्य दावा
H0: पैरामीटर मान = 0
यदि H0 अस्वीकृत नहीं हो, तो पैरामीटर हटा दें

स्टैटिस्टिकल सिग्निफिकेंस

संयोग से देखे गए परिणाम मिलने की मात्रा बताएं
सामान्य थ्रेशहोल्ड: 5%

P-value

देखे गए परिणाम संयोग से होने की संभावना
p-value जितनी कम, शून्य परिकल्पना उतनी कम विश्वसनीय लगती है
यदि p-value < significance level, तो शून्य परिकल्पना अस्वीकार करें

P-value उदाहरण

print(gm_result.summary())

सारांश में P-value

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-statistic

T-statistic = आकलित पैरामीटर / standard error
t-statistic का परिमाण दूरी का माप है
यदि |t-statistic| > 2: पैरामीटर को GARCH मॉडल में रखें

T-statistic उदाहरण

print(gm_result.summary())

सारांश में T-statistics

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

अभ्यास करते हैं!

Python में GARCH मॉडल

Preparing Video For Download...