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
<Kurs>Zeitreihenanalyse in Python</Kurs>Interaktive praktische Übung
Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.
# 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()