ACF-Plot
Wenn ein GARCH-Modell gute Arbeit leistet, sollten die standardisierten Residuen keine Autokorrelationen aufweisen. In dieser Übung übst du, mithilfe eines ACF-Plots Autokorrelationen in den Daten zu erkennen.
Der Korrelationskoeffizient zwischen zwei Werten in einer Zeitreihe wird Autokorrelationsfunktion (ACF) genannt, und ein ACF-Plot ist die visuelle Darstellung der Korrelationen zwischen verschiedenen Lags. In den Python-Paketen statsmodels gibt es vordefinierte Funktionen, mit denen du ACF-Plots einfach erzeugen kannst.
Ein GARCH-Modell wurde mit den S&P-500-Renditedaten geschätzt, und seine standardisierten Residuen wurden berechnet und in std_resid gespeichert. matplotlib.pyplot wurde als plt importiert.
Diese Übung ist Teil des Kurses
GARCH-Modelle in Python
Anleitung zur Übung
- Importiere das für ACF-Plots benötigte Modul aus dem Paket
statsmodels. - Plotte die standardisierten Residuen des GARCH-Modells, die in
std_residgespeichert sind. - Erzeuge einen ACF-Plot der standardisierten Residuen und setze das Konfidenzniveau auf 0.05.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# 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()