การทดสอบนัยสำคัญของพารามิเตอร์โมเดล

GARCH Models ใน Python

Chelsea Yang

Data Science Instructor

จำเป็นต้องใช้พารามิเตอร์นี้ไหม?

  • มีความเกี่ยวข้องหรือไม่

  • KISS: keep it simple stupid

  • ควรเลือกโมเดลที่เรียบง่ายที่สุดเสมอ
GARCH Models ใน Python

การทดสอบสมมติฐาน

  • สมมติฐานหลัก (H0): ข้อกล่าวอ้างที่ต้องการตรวจสอบ

  • H0: ค่าพารามิเตอร์ = 0

  • หากไม่สามารถปฏิเสธ H0 ได้ ให้ตัดพารามิเตอร์นั้นออก

GARCH Models ใน Python

นัยสำคัญทางสถิติ

  • วัดโอกาสที่ผลลัพธ์ที่สังเกตได้จะเกิดขึ้นโดยบังเอิญ
  • เกณฑ์ที่ใช้บ่อย: 5%
GARCH Models ใน Python

P-value

  • โอกาสที่ผลลัพธ์ที่สังเกตได้จะเกิดขึ้นโดยบังเอิญ

  • ยิ่ง p-value ต่ำ สมมติฐานหลักยิ่งดูไม่น่าเป็นไปได้

  • ปฏิเสธสมมติฐานหลักหาก p-value < ระดับนัยสำคัญ

GARCH Models ใน Python

ตัวอย่าง P-value

print(gm_result.summary())

P-value ในสรุปผล

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
GARCH Models ใน Python

T-statistic

  • T-statistic = ค่าประมาณพารามิเตอร์ / ค่าความคลาดเคลื่อนมาตรฐาน
  • ค่าสัมบูรณ์ของ t-statistic เป็นตัวชี้วัดระยะห่าง
  • หาก |t-statistic| > 2: เก็บพารามิเตอร์นั้นไว้ในโมเดล GARCH
GARCH Models ใน Python

ตัวอย่าง T-statistic

print(gm_result.summary())

T-statistics ในสรุปผล

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
GARCH Models ใน Python

มาฝึกกันเถอะ!

GARCH Models ใน Python

Preparing Video For Download...