p-value로 모델 단순화하기
레오나르도 다빈치는 이렇게 말했어요. "단순함이 최상의 정교함이다." 이는 데이터 과학 모델링에도 그대로 적용돼요. 이번 연습 문제에서는 p-value를 사용해 모델 매개변수의 필요성을 판단하고, 통계적으로 유의하지 않은 매개변수를 제외해 간결한(parsimonious) 모델을 정의해 보겠습니다.
귀무가설은 매개변수 값이 0이라는 것입니다. p-value가 주어진 신뢰수준보다 크면 귀무가설을 기각할 수 없다는 뜻이며, 해당 매개변수는 통계적으로 유의하지 않아 반드시 필요하지 않다는 의미입니다.
GARCH 모델이 Bitcoin 수익률 데이터로 정의되어 적합되었습니다. 모델 결과는 gm_result에 저장되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 GARCH 모델
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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(____)