用 AIC／BIC 挑選最佳模型
在這個練習中，你會實作如何用資訊準則來選出擬合最佳的模型。
資訊準則用來衡量模型擬合度與模型複雜度之間的取捨。AIC 與 BIC 是模型選擇中最常見的兩種資訊準則。它們都會對參數較多或較複雜的模型施加懲罰。AIC 或 BIC 越小，模型越好。
已經使用 S&P 500 的報酬資料定義並估計了一個 GJR-GARCH 模型與一個 EGARCH 模型。其結果分別存於 gjrgm_result 與 egarch_result。
本練習屬於課程
Python 中的 GARCH 模型
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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 :', ____.____)