Berechne die ACF für mehrere MA-Zeitreihen
Anders als ein AR(1)-Modell hat ein MA(1)-Modell keine Autokorrelation über Lag 1 hinaus, ein MA(2)-Modell keine über Lag 2 hinaus usw. Die Autokorrelation bei Lag 1 für ein MA(1)-Modell ist nicht \(\small \theta\), sondern \(\small \theta / (1+\theta^2)\). Wenn zum Beispiel der MA-Parameter \(\small \theta\) = +0.9 ist, beträgt die Autokorrelation beim ersten Lag \(\small 0.9/(1+(0.9)^2)=0.497\), und die Autokorrelation für alle anderen Lags ist null. Ist der MA-Parameter \(\small \theta\) = -0.9, beträgt die Autokorrelation beim ersten Lag \(\small -0.9/(1+(-0.9)^2)=-0.497\).
Du überprüfst diese Autokorrelationsfunktionen für die drei Zeitreihen, die du in der letzten Übung erzeugt hast.
Diese Übung ist Teil des Kurses
Zeitreihenanalyse in Python
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 1: MA parameter = -0.9
plot_acf(___, lags=20)
plt.show()