Elige un ganador según AIC/BIC
En este ejercicio, practicarás el uso de criterios de información para elegir el modelo con mejor ajuste.
Los criterios de información miden el equilibrio entre el ajuste del modelo y su complejidad. AIC y BIC son dos criterios de información muy utilizados para la selección de modelos. Ambos penalizan a los modelos con más parámetros o más complejos. Cuanto más bajos sean el AIC o el BIC, mejor es el modelo.
Se han definido y ajustado un modelo GJR-GARCH y un modelo EGARCH con los rendimientos del S&P 500. Puedes acceder a sus resultados en gjrgm_result y egarch_result, respectivamente.
Este ejercicio forma parte del curso
Modelos GARCH en Python
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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 :', ____.____)