Plot ACF
Jika sebuah model GARCH berkinerja baik, residual terstandarisasinya tidak boleh menunjukkan autokorelasi. Pada latihan ini, Anda akan berlatih menggunakan plot ACF untuk mendeteksi autokorelasi dalam data.
Koefisien korelasi antara dua nilai dalam deret waktu disebut fungsi autokorelasi (ACF), dan plot ACF adalah representasi visual dari korelasi pada berbagai lag. Terdapat fungsi siap pakai di paket Python statsmodels yang memudahkan Anda membuat plot ACF.
Sebuah model GARCH telah dipasang pada data imbal hasil S&P 500, dan residual terstandarisasinya telah dihitung serta disimpan di std_resid. matplotlib.pyplot telah diimpor sebagai plt.
Latihan ini adalah bagian dari kursus
Model GARCH di Python
Petunjuk latihan
- Impor modul yang diperlukan untuk plot ACF dari paket
statsmodels. - Plot residual terstandarisasi model GARCH yang tersimpan di
std_resid. - Hasilkan plot ACF dari residual terstandarisasi, dan atur tingkat kepercayaan ke 0.05.
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
# 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()