模型选择——AIC&BIC（matlab）

在建立ARMA和GARCH模型的时候，我们常常需要涉及到模型阶数（如GARCH（p,q）中p和q）的选择问题，在这里我们使用AIC和BIC两个计算参数进行判断：

• 什么是AIC和BIC？

两者定义来源于信息准则：研究者通过加入模型复杂度的惩罚项来避免过拟合问题，随后推出了两个优选模型的准则：赤池信息准则（Akaike Information Criterion，AIC）和贝叶斯信息准则（Bayesian Information Criterion，BIC）。

AIC（赤池弘次,1974）的定义为： 

           AIC = 2*N - Ln(L)    * 这里N表示  模型参数个数  的个数，L表示模型得出的  似然函数  最优值

所以根据AIC的定义可知，当模型越复杂或者似然函数越小，AIC值越大。而我们的目标一般是选择AIC较小的模型（即希望模型简单，并且模型的拟合度高，其中对参数N的要求表示了我们不希望模型出现过拟合的情况）。

BIC（Schwarz,1978）的定义为：