Choisir le meilleur modèle avec l’AIC/BIC
Dans cet exercice, vous allez vous entraîner à utiliser des critères d’information pour choisir le modèle le plus adapté.
Les critères d’information mesurent le compromis entre qualité d’ajustement et complexité du modèle. L’AIC et le BIC sont deux critères couramment utilisés pour la sélection de modèles. Ils pénalisent tous deux les modèles avec davantage de paramètres, c’est‑à‑dire 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 sur les rendements du S&P 500. Leurs résultats sont accessibles respectivement dans gjrgm_result et egarch_result.
Cet exercice fait partie du cours
Modèles GARCH en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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 :', ____.____)