Перевірка значущості параметрів моделі

Моделі GARCH у Python

Chelsea Yang

Data Science Instructor

Чи потрібен цей параметр?

  • Це доречно?

  • KISS: робіть простіше, без зайвого

  • Завжди надавайте перевагу ощадливій моделі
Моделі GARCH у Python

Перевірка гіпотези

  • Нульова гіпотеза (H0): твердження для перевірки

  • H0: значення параметра = 0

  • Якщо H0 не відхиляється, приберіть параметр

Моделі GARCH у Python

Статистична значущість

  • Оцініть, що результат отримано випадково
  • Поширений поріг: 5%
Моделі GARCH у Python

P-value

  • Ймовірність, що спостережені результати сталися випадково

  • Чим менше p-value, тим менш правдоподібною виглядає нульова гіпотеза

  • Відхиляйте нульову гіпотезу, якщо p-value < рівня значущості

Моделі GARCH у Python

Приклад p-value

print(gm_result.summary())

P-value у зведенні

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
Моделі GARCH у Python

T-статистика

  • T-статистика = оцінка параметра / стандартна помилка
  • Абсолютне значення t-статистики — це міра відстані
  • Якщо |t-статистика| > 2: залиште параметр у моделі GARCH
Моделі GARCH у Python

Приклад t-статистики

print(gm_result.summary())

T-статистики у зведенні

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
Моделі GARCH у Python

Давайте потренуємось!

Моделі GARCH у Python

Preparing Video For Download...