Test de Ljung-Box
Un autre outil puissant pour vérifier les autocorrélations dans les données est le test de Ljung-Box. Dans cet exercice, vous allez vous entraîner à détecter l’autocorrélation dans les résidus standardisés en réalisant un test de Ljung-Box.
L’hypothèse nulle du test de Ljung-Box est que les données sont distribuées de manière indépendante. Si la p-value est supérieure au niveau de signification spécifié, vous ne pouvez pas rejeter l’hypothèse nulle. En d’autres termes, il n’y a pas de signe clair d’autocorrélation et le modèle est valide.
Vous utiliserez le même modèle GARCH que dans l’exercice précédent. Ses résidus standardisés sont enregistrés dans std_resid.
Cet exercice fait partie du cours
Modèles GARCH en Python
Instructions
- Importez le module nécessaire aux tests de Ljung-Box depuis le package
statsmodels. - Effectuez un test de Ljung-Box jusqu’au retard 10 et enregistrez le résultat dans
lb_test. - Affichez et examinez les p-values obtenues dans le résultat du test de Ljung-Box.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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])