Chọn mô hình tốt nhất dựa trên AIC/BIC
Trong bài tập này, bạn sẽ luyện cách dùng tiêu chuẩn thông tin để chọn mô hình có độ khớp tốt nhất.
Tiêu chuẩn thông tin đo lường sự đánh đổi giữa mức độ khớp và độ phức tạp của mô hình. AIC và BIC là hai tiêu chuẩn thông tin thường dùng để chọn mô hình. Cả hai đều phạt những mô hình có nhiều tham số hơn, tức mô hình phức tạp hơn. AIC hoặc BIC càng thấp thì mô hình càng tốt.
Một mô hình GJR-GARCH và một mô hình EGARCH đã được xác định và ước lượng với dữ liệu lợi suất S&P 500. Kết quả của chúng lần lượt nằm trong gjrgm_result và egarch_result.
Bài tập này là một phần của khóa học
Mô hình GARCH với Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Print the AIC GJR-GARCH
print('AIC of GJR-GARCH model :', ____.____)
# Print the AIC of EGARCH
print('AIC of EGARCH model :', ____.____)
# Print the BIC GJR-GARCH
print('BIC of GJR-GARCH model :', ____.____)
# Print the BIC of EGARCH
print('BIC of EGARCH model :', ____.____)