Confronta un modello AR con un Random Walk

A volte è difficile distinguere tra una serie temporale leggermente mean-reverting e una che non lo è affatto, come un random walk. Confronterai l'ACF della serie dei tassi di interesse leggermente mean-reverting dell'esercizio precedente con un random walk simulato con lo stesso numero di osservazioni.

Quando tracci l’autocorrelazione di queste due serie affiancate, dovresti notare che appaiono molto simili.

Questo esercizio fa parte del corso

Analisi delle serie temporali in Python

Visualizza il corso

Istruzioni dell'esercizio

Importa la funzione plot_acf dal modulo statsmodels
Crea due assi per i due sottografici
Disegna la funzione di autocorrelazione per 12 ritardi della serie dei tassi di interesse interest_rate_data nel grafico in alto
Disegna la funzione di autocorrelazione per 12 ritardi della serie simulated_data nel grafico in basso

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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()

Modifica ed esegui il codice