Ljung-Boxův test
Dalším užitečným nástrojem pro detekci autokorelací v datech je Ljung-Boxův test. V tomto cvičení si procvičíš odhalování autokorelací ve standardizovaných reziduích pomocí Ljung-Boxova testu.
Nulová hypotéza Ljung-Boxova testu zní: data jsou nezávisle rozdělena. Pokud je p-hodnota větší než zvolená hladina významnosti, nulovou hypotézu nelze zamítnout. Jinými slovy, v datech nejsou patrné žádné autokorelace a model je platný.
Použiješ stejný GARCH model jako v předchozím cvičení. Jeho standardizovaná rezidua jsou uložena v std_resid.
Toto cvičení je součástí kurzu
GARCH modely v Pythonu
Pokyny k cvičení
- Importuj modul potřebný pro Ljung-Boxovy testy z balíčku
statsmodels. - Proveď Ljung-Boxův test až do zpoždění 10 a výsledek ulož do
lb_test. - Vypiš a zkontroluj p-hodnoty z výsledku Ljung-Boxova testu.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Import the Python module
from statsmodels.stats.diagnostic import ____
# Perform the Ljung-Box test
lb_test = ____(std_resid , ____ = ____, return_df = True)
# Print the p-values
print('P-values are: ', ____.iloc[0,1])