対数尤度に基づいて最適モデルを選ぶ
この演習では、対数尤度を使って当てはまりの良いモデルを選ぶ練習をします。
GARCH モデルは最尤法でパラメータを推定します。一般に、対数尤度が大きいほど、そのデータが観測される確率が高いことを示すため、モデルはより良いといえます。
異なる分布仮定をもつ 2 つの GARCH モデルを S&P 500 のリターンデータに当てはめました。正規分布を仮定した GARCH は normal_result、歪みのある Student の t 分布を仮定した GARCH は skewt_result に保存されています。
この演習はコースの一部です
Pythonで学ぶGARCHモデル
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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 :', ____.____)