p-values के साथ मॉडल को सरल बनाएँ
लियोनार्डो दा विंची ने कहा था: "Simplicity is the ultimate sophistication." यह बात डेटा साइंस मॉडलिंग पर भी लागू होती है। इस अभ्यास में, आप p-values का उपयोग करके मॉडल पैरामीटर्स की आवश्यकता तय करने का अभ्यास करेंगे, और गैर-महत्वपूर्ण पैरामीटर्स के बिना एक संक्षिप्त (parsimonious) मॉडल परिभाषित करेंगे।
शून्य परिकल्पना यह है कि पैरामीटर का मान शून्य है। यदि p-value किसी दिए गए confidence level से बड़ी है, तो शून्य परिकल्पना को खारिज नहीं किया जा सकता। इसका मतलब है कि पैरामीटर सांख्यिकीय रूप से महत्वपूर्ण नहीं है, इसलिए आवश्यक भी नहीं है।
एक GARCH मॉडल को Bitcoin रिटर्न डेटा पर परिभाषित कर फिट किया गया है। मॉडल का परिणाम gm_result में सहेजा गया 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 model fitting summary
print(gm_result.____())
# Get parameter stats from model summary
para_summary = pd.DataFrame({'parameter':gm_result.____,
'p-value': gm_result.____})
# Print out parameter stats
print(____)