Simplifică modelul cu ajutorul valorilor p
Leonardo da Vinci spunea cândva: „Simplitatea este cea mai înaltă formă de sofisticare." Același principiu se aplică și în modelarea datelor. În acest exercițiu, vei folosi valorile p pentru a decide dacă parametrii unui model sunt necesari și vei defini un model parsimonic, fără parametri nesemnificativi.
Ipoteza nulă presupune că valoarea parametrului este zero. Dacă valoarea p este mai mare decât nivelul de încredere ales, ipoteza nulă nu poate fi respinsă – ceea ce înseamnă că parametrul nu este semnificativ din punct de vedere statistic și, prin urmare, nu este necesar.
Un model GARCH a fost definit și ajustat pe datele privind randamentul Bitcoin. Rezultatul modelului este salvat în gm_result.
Acest exercițiu face parte din cursul
Modele GARCH în Python
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# 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(____)