Ejercicio fiscal: calcula la ACF
En el capítulo anterior calculaste autocorrelaciones con un retardo. A menudo nos interesa ver la autocorrelación en muchos retardos. En la figura se muestran los beneficios trimestrales de H&R Block (símbolo HRB), donde se aprecia la marcada estacionalidad de sus resultados. La gran mayoría de sus beneficios se concentra en el trimestre en que vencen los impuestos.
Vas a calcular el array de autocorrelaciones de los beneficios trimestrales de H&R Block, que ya está precargado en el DataFrame HRB. Luego, traza la función de autocorrelación usando el módulo plot_acf. Este gráfico muestra cómo es la función de autocorrelación para datos de beneficios cíclicos. La ACF en lag=0 es siempre uno, por supuesto. En el siguiente ejercicio aprenderás sobre el intervalo de confianza de la ACF, pero por ahora, ocúltalo estableciendo alpha=1.
Este ejercicio forma parte del curso
Análisis de series temporales en Python
Instrucciones del ejercicio
- Importa el módulo
acfy el móduloplot_acfde statsmodels. - Calcula el array de autocorrelaciones de los datos de beneficios trimestrales en el DataFrame
HRB. - Traza la función de autocorrelación de los datos de beneficios trimestrales en
HRB, y pasa el argumentoalpha=1para ocultar el intervalo de confianza.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Import the acf module and the plot_acf module from statsmodels
from statsmodels.tsa.stattools import acf
from statsmodels.graphics.tsaplots import plot_acf
# Compute the acf array of HRB
acf_array = acf(___)
print(acf_array)
# Plot the acf function
plot_acf(___)
plt.show()