Ljung-Box 검정
데이터의 자기상관을 확인하는 또 다른 강력한 도구가 Ljung-Box 검정입니다. 이 연습에서는 Ljung-Box 검정을 수행해 표준화 잔차에서 자기상관을 탐지하는 방법을 연습해 보겠습니다.
Ljung-Box 검정의 귀무가설은 “데이터가 서로 독립적으로 분포한다”입니다. 유의확률(p-value)이 지정한 유의수준보다 크면, 귀무가설을 기각할 수 없습니다. 즉, 뚜렷한 자기상관의 징후가 없으며 모델이 타당하다고 볼 수 있습니다.
이전 연습 문제와 동일한 GARCH 모델을 사용할 거예요. 그 표준화 잔차는 std_resid에 저장되어 있습니다.
이 연습은 강의의 일부입니다
Python으로 배우는 GARCH 모델
연습 안내
statsmodels패키지에서 Ljung-Box 검정에 필요한 모듈을 가져오세요.- 시차 10까지 Ljung-Box 검정을 수행하고 결과를
lb_test에 저장하세요. - Ljung-Box 검정 결과에서 p-value를 출력해 검토하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Import the Python module
from statsmodels.stats.diagnostic import ____
# Perform the Ljung-Box test
lb_test = ____(std_resid , ____ = ____, return_df = True)
# Print the p-values
print('P-values are: ', ____.iloc[0,1])