ACFプロット
GARCHモデルがうまく機能している場合、標準化残差には自己相関が現れないはずです。この演習では、ACFプロットを使ってデータの自己相関を検出する練習を行います。
時系列における2つの値の相関係数を自己相関関数（ACF）と呼び、ACFプロットは異なるラグ間の相関を可視化したものです。Python の statsmodels パッケージには、ACFプロットを簡単に作成できる関数が用意されています。
S&P 500のリターンデータに対してGARCHモデルが推定されており、その標準化残差は std_resid に保存されています。matplotlib.pyplot は plt としてインポート済みです。
この演習はコースの一部です
Pythonで学ぶGARCHモデル
演習の手順
statsmodelsパッケージから、ACFプロットに必要なモジュールをインポートします。std_residに保存されたGARCHモデルの標準化残差をプロットします。- 標準化残差のACFプロットを作成し、信頼水準を 0.05 に設定します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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()