1. Learn
    2. /
  2. Courses
    3. /
  3. Python으로 배우는 GARCH 모델
Connected

Exercise

로그우도(log-likelihood)로 더 나은 모델 고르기

이 연습 문제에서는 로그우도(log-likelihood)를 사용해 가장 적합도가 높은 모델을 선택하는 방법을 연습해 봅니다.

GARCH 모델은 최대우도법으로 모수(파라미터)를 추정합니다. 일반적으로 로그우도 값이 클수록, 관측한 데이터를 얻었을 가능성이 크다는 뜻이므로 모델이 더 좋다고 볼 수 있어요.

서로 다른 분포 가정을 가진 두 개의 GARCH 모델을 S&P 500 수익률 데이터에 적합했습니다. 정규분포를 가정한 GARCH 결과는 normal_result에, 비대칭 Student's t-분포를 가정한 GARCH 결과는 skewt_result에 저장되어 있습니다.

Instructions 1/2

undefined XP
    1
    2
  • normal_result와 skewt_result에서 각각 모델 적합 요약을 출력해 확인하세요.
  • normal_result와 skewt_result에서 각각 로그우도 값을 출력하세요.