模型參數的顯著性檢定

Python 中的 GARCH 模型

Chelsea Yang

Data Science Instructor

我需要這個參數嗎？

  • 是否有用

  • KISS：保持簡單

  • 優先選擇精簡模型
Python 中的 GARCH 模型

假設檢定

  • 虛無假設（H0）：待驗證的主張

  • H0：參數值 = 0

  • 若無法拒絕 H0，就移除該參數

Python 中的 GARCH 模型

統計顯著性

  • 量化觀察結果由隨機機會造成的可能性
  • 常用門檻：5%
Python 中的 GARCH 模型

p-value（P 值）

  • 觀察結果可能純屬巧合的機率

  • p-value 越低，虛無假設越不可信

  • 若 p-value < 顯著水準，則拒絕虛無假設

Python 中的 GARCH 模型

p-value 範例

print(gm_result.summary())

摘要中的 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
Python 中的 GARCH 模型

t 統計量

  • t 統計量 = 估計參數 / 標準誤
  • t 統計量的絕對值可視為距離度量
  • 若 |t 統計量| > 2：在 GARCH 模型中保留該參數
Python 中的 GARCH 模型

t 統計量範例

print(gm_result.summary())

摘要中的 t 統計量

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

一起來練習吧！

Python 中的 GARCH 模型

Preparing Video For Download...