AR-Modell mit Random Walk vergleichen

Manchmal ist es schwierig, zwischen einer Zeitreihe, die leicht zum Mittelwert zurückkehrt, und einer Zeitreihe, die überhaupt nicht zum Mittelwert zurückkehrt, wie einem Random Walk, zu unterscheiden. Du vergleichst die ACF der leicht mittelwertrevertierenden Zinsreihe aus der letzten Aufgabe mit einem simulierten Random Walk mit der gleichen Anzahl an Beobachtungen.

Wenn du die Autokorrelation dieser beiden Reihen nebeneinander plottest, solltest du feststellen, dass sie sich sehr ähnlich sehen.

Diese Übung ist Teil des Kurses

Zeitreihenanalyse in Python

Kurs anzeigen

Anleitung zur Übung

Importiere die Funktion plot_acf aus dem Modul statsmodels
Erstelle zwei Achsen für die zwei Teilplots
Plotte die Autokorrelationsfunktion für 12 Lags der Zinsreihe interest_rate_data im oberen Plot
Plotte die Autokorrelationsfunktion für 12 Lags der Reihe simulated_data im unteren Plot

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import the plot_acf module from statsmodels
from statsmodels.graphics.tsaplots import plot_acf

# Plot the interest rate series and the simulated random walk series side-by-side
fig, axes = plt.subplots(2,1)

# Plot the autocorrelation of the interest rate series in the top plot
fig = plot_acf(___, alpha=1, lags=12, ax=axes[0])

# Plot the autocorrelation of the simulated random walk series in the bottom plot
fig = plot_acf(___, alpha=1, lags=12, ax=axes[1])

# Label axes
axes[0].set_title("Interest Rate Data")
axes[1].set_title("Simulated Random Walk Data")
plt.show()

Code bearbeiten und ausführen