Scegli il migliore in base ad AIC/BIC
In questo esercizio metterai in pratica l’uso dei criteri informativi per scegliere il modello con il miglior adattamento.
I criteri informativi misurano il compromesso tra bontà di adattamento e complessità del modello. AIC e BIC sono due criteri informativi comunemente usati per la selezione del modello. Entrambi impongono penalizzazioni ai modelli con più parametri, cioè più complessi. Più basso è l’AIC o il BIC, migliore è il modello.
Un modello GJR-GARCH e un modello EGARCH sono stati definiti e stimati sui rendimenti dell’S&P 500. I loro risultati sono disponibili rispettivamente in gjrgm_result ed egarch_result.
Questo esercizio fa parte del corso
Modelli GARCH in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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 :', ____.____)