Alege câștigătorul pe baza log-verosimilității
În acest exercițiu, vei exersa utilizarea log-verosimilității pentru a alege modelul cu cel mai bun grad de ajustare.
Modelele GARCH folosesc metoda maximei verosimilități pentru a estima parametrii. În general, cu cât log-verosimilitatea este mai mare, cu atât modelul este mai bun, deoarece implică o probabilitate mai mare de a fi observat datele obținute.
Două modele GARCH cu ipoteze diferite privind distribuția au fost definite și ajustate pe datele de randament S&P 500. Modelul GARCH cu distribuție normală este salvat în normal_result, iar modelul GARCH cu distribuție t-Student asimetrică este salvat în skewt_result.
Acest exercițiu face parte din cursul
Modele GARCH în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# 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 :', ____.____)