用 p 值简化模型
达·芬奇曾说过："Simplicity is the ultimate sophistication." 数据科学建模同样如此。在本练习中，您将练习使用 p 值来判断模型参数是否有必要，并据此定义一个不包含不显著参数的精炼模型。
原假设为参数取值等于 0。若 p 值大于给定的显著性水平，则不能拒绝原假设，意味着该参数在统计上不显著，因此不是必需的。
已经使用比特币收益率数据定义并拟合了一个 GARCH 模型。模型结果保存在 gm_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 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(____)