Prueba de Ljung-Box
Otra herramienta muy útil para comprobar autocorrelaciones en los datos es la prueba de Ljung-Box. En este ejercicio, practicarás la detección de autocorrelación en los residuos estandarizados realizando una prueba de Ljung-Box.
La hipótesis nula de la prueba de Ljung-Box es: los datos son independientes (están distribuidos de forma independiente). Si el valor p es mayor que el nivel de significación especificado, no se puede rechazar la hipótesis nula. En otras palabras, no hay señales claras de autocorrelaciones y el modelo es válido.
Usarás el mismo modelo GARCH que en el ejercicio anterior. Sus residuos estandarizados están guardados en std_resid.
Este ejercicio forma parte del curso
Modelos GARCH en Python
Instrucciones del ejercicio
- Importa el módulo necesario para las pruebas de Ljung-Box desde el paquete
statsmodels. - Realiza una prueba de Ljung-Box hasta el retardo 10 y guarda el resultado en
lb_test. - Imprime y revisa los valores p del resultado de la prueba de Ljung-Box.
Ejercicio interactivo práctico
Prueba este ejercicio y completa el código de muestra.
# 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])