Ljung-Box-Test
Ein weiteres starkes Werkzeug, um Autokorrelationen in den Daten zu prüfen, ist der Ljung-Box-Test. In dieser Übung übst du, Autokorrelation in den standardisierten Residuen zu erkennen, indem du einen Ljung-Box-Test durchführst.
Die Nullhypothese des Ljung-Box-Tests lautet: Die Daten sind unabhängig verteilt. Ist der p-Wert größer als das vorgegebene Signifikanzniveau, kann die Nullhypothese nicht verworfen werden. Mit anderen Worten: Es gibt keinen eindeutigen Hinweis auf Autokorrelationen und das Modell ist gültig.
Du verwendest dasselbe GARCH-Modell wie in der vorherigen Übung. Dessen standardisierte Residuen sind in std_resid gespeichert.
Diese Übung ist Teil des Kurses
GARCH-Modelle in Python
Anleitung zur Übung
- Importiere das Modul für Ljung-Box-Tests aus dem Paket
statsmodels. - Führe einen Ljung-Box-Test bis Lag 10 durch und speichere das Ergebnis in
lb_test. - Gib die p-Werte aus dem Ergebnis des Ljung-Box-Tests aus und überprüfe sie.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# 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])