ACF graf
Pokud GARCH model funguje správně, standardizované rezidua by neměla vykazovat autokorelace. V tomto cvičení si procvičíš použití ACF grafu k jejich odhalení v datech.
Korelační koeficient mezi dvěma hodnotami v časové řadě se označuje jako autokorelační funkce (ACF) a ACF graf je vizuální znázornění korelací mezi různými zpožděními (lagy). Balíček statsmodels v Pythonu nabízí předpřipravené funkce, které ti generování ACF grafů výrazně usnadní.
GARCH model byl natrénován na datech výnosů indexu S&P 500, jeho standardizovaná rezidua byla vypočítána a uložena do proměnné std_resid. Knihovna matplotlib.pyplot je importována jako plt.
Toto cvičení je součástí kurzu
GARCH modely v Pythonu
Pokyny k cvičení
- Importuj z balíčku
statsmodelsmodul potřebný pro tvorbu ACF grafů. - Vykresli standardizovaná rezidua GARCH modelu uložená v proměnné
std_resid. - Vytvoř ACF graf standardizovaných reziduí a nastav hladinu spolehlivosti na 0.05.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Import the Python module
from statsmodels.graphics.tsaplots import ____
# Plot the standardized residuals
plt.plot(____)
plt.title('Standardized Residuals')
plt.show()
# Generate ACF plot of the standardized residuals
____(std_resid, ____ = ____)
plt.show()