White Noise का फोरकास्ट नहीं कर सकते
White noise टाइम सीरीज़ बस एक ऐसी श्रेणी होती है जिसमें अनसंबद्ध रैंडम वैरिएबल होते हैं, और सभी का वितरण एक जैसा होता है. स्टॉक रिटर्न्स को अक्सर white noise की तरह मॉडल किया जाता है. दुर्भाग्य से, white noise के लिए हम पिछले डेटा के आधार पर भविष्य की वैल्यूज़ फोरकास्ट नहीं कर सकते — सभी lags पर ऑटोकॉरिलेशन शून्य होता है.
आप एक white noise सीरीज़ जनरेट करेंगे और ऑटोकॉरिलेशन फंक्शन प्लॉट करेंगे ताकि दिखे कि सभी lags पर यह शून्य है. आप np.random.normal() का उपयोग करके रैंडम रिटर्न्स बना सकते हैं. Gaussian white noise प्रोसेस के लिए mean और standard deviation पूरे प्रोसेस का वर्णन कर देते हैं.
इस white noise सीरीज़ को प्लॉट करके देखें कि यह कैसा दिखता है, और फिर ऑटोकॉरिलेशन फंक्शन प्लॉट करें.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में Time Series Analysis
अभ्यास निर्देश
np.random.normal()का उपयोग करके 1000 रैंडम नॉर्मल रिटर्न्स जनरेट करें, जिनका mean 2% (0.02) और standard deviation 5% (0.05) हो. mean के लिए आर्ग्युमेंटlocहै और standard deviation के लिएscale.np.mean()औरnp.std()से रिटर्न्स का mean और standard deviation जाँचें.- टाइम सीरीज़ को प्लॉट करें.
lags=20के साथplot_acfका उपयोग करके ऑटोकॉरिलेशन फंक्शन प्लॉट करें.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Import the plot_acf module from statsmodels
from statsmodels.graphics.tsaplots import plot_acf
# Simulate white noise returns
returns = np.random.normal(loc=___, scale=___, size=___)
# Print out the mean and standard deviation of returns
mean = np.mean(___)
std = np.std(___)
print("The mean is %5.3f and the standard deviation is %5.3f" %(mean,std))
# Plot returns series
plt.plot(___)
plt.show()
# Plot autocorrelation function of white noise returns
plot_acf(___, lags=___)
plt.show()