Gráfico ACF
Si un modelo GARCH está funcionando bien, los residuos estandarizados no deberían mostrar autocorrelaciones. En este ejercicio, practicarás el uso de un gráfico ACF para detectar autocorrelaciones en los datos.
El coeficiente de correlación entre dos valores de una serie temporal se denomina función de autocorrelación (ACF), y un gráfico ACF es una representación visual de las correlaciones entre distintos retardos. En los paquetes de statsmodels de Python hay funciones predefinidas que te permiten generar gráficos ACF fácilmente.
Se ha ajustado un modelo GARCH con los datos de rentabilidad del S&P 500, y sus residuos estandarizados se han calculado y guardado en std_resid. matplotlib.pyplot se ha importado como plt.
Este ejercicio forma parte del curso
Modelos GARCH en Python
Instrucciones del ejercicio
- Importa el módulo necesario para los gráficos ACF desde el paquete
statsmodels. - Dibuja los residuos estandarizados del modelo GARCH guardados en
std_resid. - Genera un gráfico ACF de los residuos estandarizados y establece el nivel de confianza en 0.05.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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()