เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

เลือกโมเดลที่ดีที่สุดโดยใช้ log-likelihood

ในแบบฝึกหัดนี้ จะได้ฝึกใช้ log-likelihood เพื่อเลือกโมเดลที่เหมาะสมกับข้อมูลมากที่สุด

โมเดล GARCH ใช้วิธี maximum likelihood ในการประมาณค่าพารามิเตอร์ โดยทั่วไปแล้ว ค่า log-likelihood ที่สูงกว่าบ่งชี้ว่าโมเดลดีกว่า เนื่องจากแสดงถึงความน่าจะเป็นที่สูงขึ้นในการสังเกตข้อมูลที่ได้รับ

โมเดล GARCH สองโมเดลที่มีข้อสมมติการกระจายต่างกันได้ถูกกำหนดและฟิตด้วยข้อมูลผลตอบแทน S&P 500 แล้ว โดย GARCH ที่ใช้การกระจายแบบ normal บันทึกไว้ใน normal_result และ GARCH ที่ใช้การกระจายแบบ skewed Student's t บันทึกไว้ใน skewt_result

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

GARCH Models ใน Python

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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 :', ____.____)
แก้ไขและรันโค้ด