लॉग-लाइकलीहुड के आधार पर बेहतर मॉडल चुनें
इस अभ्यास में, आप सबसे अच्छा फिट देने वाले मॉडल को चुनने के लिए log-likelihood का उपयोग करने का अभ्यास करेंगे।
GARCH मॉडल पैरामीटर अनुमानित करने के लिए maximum likelihood मेथड का उपयोग करते हैं। आम तौर पर, log-likelihood जितना बड़ा होगा, मॉडल उतना ही बेहतर माना जाएगा, क्योंकि यह दर्शाता है कि आपके देखे गए डेटा के आने की संभावना अधिक थी।
दो GARCH मॉडल अलग-अलग distribution असम्प्शन्स के साथ परिभाषित किए गए हैं और S&P 500 के रिटर्न डेटा पर फिट किए गए हैं। Normal distribution GARCH normal_result में सेव है, और skewed Student's t-distribution GARCH skewt_result में सेव है।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में GARCH मॉडल
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Print normal GARCH model summary
print(____.____())
# Print skewed GARCH model summary
print(____.____())
# Print the log-likelihood of normal GARCH
print('Log-likelihood of normal GARCH :', ____.____)
# Print the log-likelihood of skewt GARCH
print('Log-likelihood of skewt GARCH :', ____.____)