Choisir le meilleur modèle selon l'AIC/BIC
Dans cet exercice, vous allez vous exercer à utiliser les critères d'information pour choisir le modèle qui s'ajuste le mieux.
Les critères d'information mesurent le compromis entre la qualité de l'ajustement et la complexité du modèle. L'AIC et le BIC sont deux critères d'information couramment utilisés pour la sélection de modèles. Ils imposent tous deux une pénalité aux modèles ayant plus de paramètres, donc plus complexes. Plus l'AIC ou le BIC est faible, meilleur est le modèle.
Un modèle GJR-GARCH et un modèle EGARCH ont été définis et ajustés aux rendements du S&P 500. Leurs résultats sont accessibles dans gjrgm_result et egarch_result respectivement.
Cette activité fait partie du cours
Modèles GARCH en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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 :', ____.____)