配適度衡量

Python 中的 GARCH 模型

Chelsea Yang

Data Science Instructor

配適度

模型能否好好解釋資料？

  1. 最大概似
  2. 資訊準則
Python 中的 GARCH 模型

最大概似

  • 在假設的模型下，最大化觀察到資料的機率
  • 偏好概似值較大的模型
Python 中的 GARCH 模型

Python 中的對數概似

  • 通常用對數形式：對數概似（log-likelihood）

概似範例

print(gm_result.loglikelihood)
Python 中的 GARCH 模型

過度配適（Overfitting）

  • 對樣本內配適良好，但對樣本外預測差
  • 通常因模型過於複雜
Python 中的 GARCH 模型

資訊準則

  • 衡量配適度與模型複雜度之間的取捨

  • 概似 + 模型複雜度懲罰項

  • AIC：Akaike's Information Criterion

  • BIC：Bayesian Information Criterion

偏好資訊準則分數較低的模型

Python 中的 GARCH 模型

AIC vs. BIC

  • 一般來說兩者結論一致
  • BIC 對模型複雜度的懲罰更嚴格
Python 中的 GARCH 模型

Python 中的 AIC/BIC

AIC/BIC 範例

print(gm_result.aic)
print(gm_result.bic)
Python 中的 GARCH 模型

一起來練習吧！

Python 中的 GARCH 模型

Preparing Video For Download...