Test de Ljung-Box
Un autre outil puissant pour vérifier les autocorrelations dans les données est le test de Ljung-Box. Dans cet exercice, vous pratiquerez la détection de l'autocorrélation dans les résidus standardisés en effectuant un test de Ljung-Box.
L'hypothèse nulle du test de Ljung-Box est la suivante : les données sont distribuées de façon indépendante. Si la valeur p est supérieure au seuil de signification choisi, on ne peut pas rejeter l'hypothèse nulle. Autrement dit, il n'y a pas de signe clair d'autocorrelation et le modèle est valide.
Vous utiliserez le même modèle GARCH que dans l'exercice précédent. Ses résidus standardisés sont enregistrés dans std_resid.
Cette activité fait partie du cours
Modèles GARCH en Python
Instructions de l’exercice
- Importez le module nécessaire pour les tests de Ljung-Box à partir du paquet
statsmodels. - Effectuez un test de Ljung-Box jusqu'au retard 10 et enregistrez le résultat dans
lb_test. - Affichez et examinez les valeurs p obtenues par le test de Ljung-Box.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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])