Grafico ACF
Se un modello GARCH sta funzionando bene, i residui standardizzati non dovrebbero mostrare autocorrelazioni. In questo esercizio, farai pratica con l’uso di un grafico ACF per individuare le autocorrelazioni nei dati.
Il coefficiente di correlazione tra due valori in una serie temporale è chiamato funzione di autocorrelazione (ACF), e un grafico ACF è una rappresentazione visiva delle correlazioni tra diversi lag. Nei pacchetti statsmodels di Python ci sono funzioni predefinite che permettono di generare facilmente grafici ACF.
Un modello GARCH è stato stimato sui rendimenti dell’S&P 500 e i suoi residui standardizzati sono stati calcolati e salvati in std_resid. matplotlib.pyplot è stato importato come plt.
Questo esercizio fa parte del corso
Modelli GARCH in Python
Istruzioni dell'esercizio
- Importa dal pacchetto
statsmodelsil modulo necessario per i grafici ACF. - Traccia i residui standardizzati del modello GARCH salvati in
std_resid. - Genera un grafico ACF dei residui standardizzati e imposta il livello di confidenza a 0.05.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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()