Exercice corsé : calculer la FAC

Au chapitre précédent, vous avez calculé des autocorrélations avec un seul retard. Souvent, on souhaite visualiser l'autocorrélation sur plusieurs retards. Les bénéfices trimestriels de H&R Block (symbole boursier HRB) sont tracés, et vous pouvez constater l'extrême cyclicité de ses bénéfices. La grande majorité de ses bénéfices survient au trimestre où les impôts sont dus.

Vous allez calculer le tableau des autocorrélations pour les bénéfices trimestriels de H&R Block, déjà chargés dans le DataFrame HRB. Ensuite, tracez la fonction d'autocorrélation à l'aide du module plot_acf. Ce graphique montre l'allure de la fonction d'autocorrélation pour des données de bénéfices cycliques. La FAC à lag=0 vaut toujours un, bien sûr. Dans le prochain exercice, vous verrez l'intervalle de confiance de la FAC, mais pour l'instant, supprimez-le en fixant alpha=1.

Cette activité fait partie du cours

Analyse des séries chronologiques en Python

Voir le cours

Instructions de l’exercice

Importez le module acf et le module plot_acf de statsmodels.
Calculez le tableau des autocorrélations des bénéfices trimestriels dans le DataFrame HRB.
Tracez la fonction d'autocorrélation des bénéfices trimestriels dans HRB, et passez l'argument alpha=1 pour supprimer l'intervalle de confiance.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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()

Modifier et exécuter le code