Bandingkan Model AR dengan Random Walk

Terkadang sulit membedakan antara deret waktu yang sedikit kembali ke rataan (mean reverting) dan deret waktu yang sama sekali tidak kembali ke rataan, seperti random walk. Anda akan membandingkan ACF untuk deret suku bunga yang sedikit kembali ke rataan dari latihan sebelumnya dengan sebuah random walk tersimulasi dengan jumlah observasi yang sama.

Saat Anda memplot autokorelasi kedua deret tersebut berdampingan, Anda akan melihat bahwa keduanya tampak sangat mirip.

Latihan ini adalah bagian dari kursus

Analisis Deret Waktu dengan Python

Lihat Kursus

Petunjuk latihan

Impor fungsi plot_acf dari modul statsmodels
Buat dua sumbu untuk dua subplot
Plot fungsi autokorelasi untuk 12 lag dari deret suku bunga interest_rate_data pada plot bagian atas
Plot fungsi autokorelasi untuk 12 lag dari deret suku bunga simulated_data pada plot bagian bawah

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

# Import the plot_acf module from statsmodels
from statsmodels.graphics.tsaplots import plot_acf

# Plot the interest rate series and the simulated random walk series side-by-side
fig, axes = plt.subplots(2,1)

# Plot the autocorrelation of the interest rate series in the top plot
fig = plot_acf(___, alpha=1, lags=12, ax=axes[0])

# Plot the autocorrelation of the simulated random walk series in the bottom plot
fig = plot_acf(___, alpha=1, lags=12, ax=axes[1])

# Label axes
axes[0].set_title("Interest Rate Data")
axes[1].set_title("Simulated Random Walk Data")
plt.show()

Edit dan Jalankan Kode