p-değerleriyle modeli basitleştir
Leonardo da Vinci bir zamanlar şöyle demişti: "Sadelik en gelişmiş inceliktir." Bu, veri bilimi modellemesine de uyar. Bu egzersizde, model parametrelerinin gerekliliğine karar vermek için p-değerlerini kullanmayı pratik edeceksin ve önemsiz parametreler olmadan yalın bir model tanımlayacaksın.
Null hipotez, parametre değerinin sıfır olduğudur. Eğer p-değeri verilen güven düzeyinden büyükse, null hipotez reddedilemez; bu da parametrenin istatistiksel olarak anlamlı olmadığını, dolayısıyla gerekli olmadığını gösterir.
Bir GARCH modeli tanımlandı ve Bitcoin getiri verileriyle eğitildi. Model sonucu gm_result içinde kaydedildi.
Bu egzersiz
Python ile GARCH Modelleri
kursunun bir parçasıdırUygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# 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(____)