Ejercicio agotador: Calcula la ACF
En el último capítulo, calculaste las autocorrelaciones con un retardo. A menudo nos interesa ver la autocorrelación a lo largo de muchos rezagos. Los beneficios trimestrales de H&R Block (símbolo HRB) se representan a la derecha, y puedes ver la extrema ciclicidad de sus beneficios. La inmensa mayoría de sus beneficios se producen en el trimestre en que hay que pagar impuestos.
Calcularás la matriz de autocorrelaciones de las ganancias trimestrales de H&R Block que está precargada en el DataFrame HRB. A continuación, traza la función de autocorrelación utilizando el módulo plot_acf. Este gráfico muestra el aspecto de la función de autocorrelación para los datos de beneficios cíclicos. El ACF en lag=0 siempre es uno, por supuesto. En el próximo ejercicio, aprenderás sobre el intervalo de confianza para la ACF, pero por ahora, suprime el intervalo de confianza poniendo alpha=1.
Este ejercicio forma parte del curso
Análisis de Series Temporales en Python
Instrucciones de ejercicio
- Importa el módulo
acfy el móduloplot_acfde statsmodels. - Calcula la matriz de autocorrelaciones de los datos de los beneficios trimestrales en el DataFrame
HRB. - Traza la función de autocorrelación de los datos de los beneficios trimestrales en
HRB, y pasa el argumentoalpha=1para suprimir el intervalo de confianza.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# 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()