Vyber vítěze podle AIC/BIC
V tomto cvičení si procvičíš použití informačních kritérií pro výběr modelu s nejlepším fitováním.
Informační kritéria měří kompromis mezi kvalitou fitu a složitostí modelu. AIC a BIC jsou dvě nejpoužívanější informační kritéria pro výběr modelu. Obě penalizují modely s více parametry, tedy složitější modely. Čím nižší AIC nebo BIC, tím lepší model.
Model GJR-GARCH a model EGARCH byly definovány a nafitovány na datech výnosů indexu S&P 500. K jejich výsledkům máš přístup přes gjrgm_result a egarch_result.
Toto cvičení je součástí kurzu
GARCH modely v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Print the AIC GJR-GARCH
print('AIC of GJR-GARCH model :', ____.____)
# Print the AIC of EGARCH
print('AIC of EGARCH model :', ____.____)
# Print the BIC GJR-GARCH
print('BIC of GJR-GARCH model :', ____.____)
# Print the BIC of EGARCH
print('BIC of EGARCH model :', ____.____)