Escolha o melhor modelo com base em AIC/BIC
Neste exercício, você vai praticar o uso de critérios de informação para escolher o modelo com melhor ajuste.
Critérios de informação medem o equilíbrio entre qualidade do ajuste e complexidade do modelo. AIC e BIC são dois critérios comuns para seleção de modelos. Ambos impõem penalidades a modelos com mais parâmetros, ou seja, mais complexos. Quanto menor o AIC ou o BIC, melhor o modelo.
Um modelo GJR-GARCH e um modelo EGARCH foram definidos e ajustados com os retornos do S&P 500. Seus resultados podem ser acessados em gjrgm_result e egarch_result, respectivamente.
Este exercício faz parte do curso
Modelos GARCH em Python
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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 :', ____.____)