基于 AIC/BIC 选出更优模型
在本练习中，您将练习使用信息准则来选择拟合效果最好的模型。
信息准则用于权衡拟合优度与模型复杂度。AIC 和 BIC 是模型选择中常用的两种信息准则。它们都会对参数更多、也就是更复杂的模型施加惩罚。AIC 或 BIC 越小，模型越好。
已经用 S&P 500 的收益率数据定义并拟合了一个 GJR-GARCH 模型和一个 EGARCH 模型。它们各自的结果分别保存在 gjrgm_result 和 egarch_result 中。
本练习是课程的一部分
Python 中的 GARCH 模型
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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 :', ____.____)