Спрощуйте модель за допомогою p-значень
Леонардо да Вінчі казав: «Простота — це найвищий рівень витонченості». Це стосується й моделювання в data science. У цій вправі ви потренуєтеся використовувати p-значення, щоб вирішити, чи потрібні параметри моделі, і визначите ощадливу (парсимонійну) модель без несуттєвих параметрів.
Нульова гіпотеза полягає в тому, що значення параметра дорівнює нулю. Якщо p-значення більше за заданий рівень значущості, нульову гіпотезу не можна відхилити. Це означає, що параметр не є статистично значущим, отже, не є необхідним.
Модель GARCH визначено й підігнано за даними доходностей Bitcoin. Результат моделі збережено в gm_result.
Ця вправа є частиною курсу
Моделі GARCH у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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(____)