Graphique ACF
Si un modèle GARCH fait bien son travail, les résidus standardisés ne doivent pas présenter d’autocorrélation. Dans cet exercice, vous allez utiliser un graphique ACF pour détecter d’éventuelles autocorrélations dans les données.
Le coefficient de corrélation entre deux valeurs d’une série temporelle est appelé fonction d’autocorrélation (ACF). Un graphique ACF permet de visualiser les corrélations selon différents retards (lags). Le package Python statsmodels propose des fonctions prédéfinies pour générer facilement des graphiques ACF.
Un modèle GARCH a été ajusté sur les rendements du S&P 500, et ses résidus standardisés ont été calculés et enregistrés dans std_resid. Le module matplotlib.pyplot a été importé sous le nom plt.
Cet exercice fait partie du cours
Modèles GARCH en Python
Instructions
- Importez, depuis le package
statsmodels, le module nécessaire aux graphiques ACF. - Tracez les résidus standardisés du modèle GARCH enregistrés dans
std_resid. - Générez un graphique ACF des résidus standardisés et fixez le niveau de confiance à 0,05.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Import the Python module
from statsmodels.graphics.tsaplots import ____
# Plot the standardized residuals
plt.plot(____)
plt.title('Standardized Residuals')
plt.show()
# Generate ACF plot of the standardized residuals
____(std_resid, ____ = ____)
plt.show()