Daňové cvičení: Výpočet ACF
V předchozí kapitole jsi počítal/a autokorelace s jedním zpožděním. Často nás ale zajímá autokorelace přes mnoho zpoždění najednou. Na grafu vidíš čtvrtletní zisky společnosti H&R Block (ticker HRB) a jejich výraznou cykličnost – drtivá většina zisků připadá na čtvrtletí, kdy jsou splatné daně.
Vypočítáš pole autokorelací čtvrtletních zisků H&R Block, které jsou předem načteny v DataFrame HRB. Pak vykreslíš funkci autokorelace pomocí modulu plot_acf. Graf ukáže, jak taková funkce vypadá pro cyklická data. ACF při lag=0 je samozřejmě vždy rovna jedné. V příštím cvičení se naučíš pracovat s intervalem spolehlivosti ACF – zatím ho ale potlač nastavením alpha=1.
Toto cvičení je součástí kurzu
Analýza časových řad v Pythonu
Pokyny k cvičení
- Importuj moduly
acfaplot_acfze statsmodels. - Vypočítej pole autokorelací čtvrtletních zisků v DataFrame
HRB. - Vykresli funkci autokorelace čtvrtletních zisků z
HRBa předej argumentalpha=1, aby se interval spolehlivosti nezobrazoval.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Import the acf module and the plot_acf module from statsmodels
from statsmodels.tsa.stattools import acf
from statsmodels.graphics.tsaplots import plot_acf
# Compute the acf array of HRB
acf_array = acf(___)
print(acf_array)
# Plot the acf function
plot_acf(___)
plt.show()