AIC/BIC के आधार पर विजेता चुनें
इस अभ्यास में, आप सर्वश्रेष्ठ फिट वाले मॉडल को चुनने के लिए information criteria का उपयोग करने का अभ्यास करेंगे।
Information criteria, goodness of fit और मॉडल की जटिलता के बीच संतुलन को मापते हैं। AIC और BIC मॉडल चयन के लिए दो आमतौर पर उपयोग किए जाने वाले information criteria हैं। ये दोनों अधिक पैरामीटर वाले या अधिक जटिल मॉडलों पर दंड (penalty) लगाते हैं। AIC या BIC जितना कम होगा, मॉडल उतना बेहतर माना जाएगा।
एक GJR-GARCH मॉडल और एक EGARCH मॉडल पर S&P 500 रिटर्न डेटा के साथ fit किया गया है। इनके परिणाम क्रमशः gjrgm_result और egarch_result में उपलब्ध हैं।
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में GARCH मॉडल
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# 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 :', ____.____)