Calcola l’ACF per diverse serie temporali MA
Diversamente da un AR(1), un modello MA(1) non ha autocorrelazione oltre il ritardo 1; un MA(2) non ha autocorrelazione oltre il ritardo 2, e così via. L’autocorrelazione al primo ritardo per un MA(1) non è \(\small \theta\), ma \(\small \theta / (1+\theta^2)\). Per esempio, se il parametro MA, \(\small \theta\), è = +0.9, l’autocorrelazione al primo ritardo sarà \(\small 0.9/(1+(0.9)^2)=0.497\), e l’autocorrelazione a tutti gli altri ritardi sarà zero. Se il parametro MA, \(\small \theta\), è -0.9, l’autocorrelazione al primo ritardo sarà \(\small -0.9/(1+(-0.9)^2)=-0.497\).
Verificherai queste funzioni di autocorrelazione per le tre serie temporali che hai generato nell’esercizio precedente.
Questo esercizio fa parte del corso
Analisi delle serie temporali in Python
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 1: MA parameter = -0.9
plot_acf(___, lags=20)
plt.show()