Обрати переможця за лог-правдоподібністю
У цій вправі ви потренуєтеся використовувати лог-правдоподібність, щоб обрати модель з найкращим узгодженням із даними.
Моделі GARCH оцінюють параметри методом максимальної правдоподібності. Загалом чим більша лог-правдоподібність, тим краща модель, адже це означає вищу ймовірність спостерігати отримані вами дані.
Дві моделі GARCH з різними припущеннями щодо розподілу визначено та оцінено на даних дохідностей S&P 500. Модель з нормальним розподілом збережено в normal_result, а модель з асиметричним розподілом Стьюдента (skewed Student's t) — у skewt_result.
Ця вправа є частиною курсу
Моделі GARCH у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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 :', ____.____)