より滑らかな時系列での自己回帰
では、より滑らかなシグナルを使って同じ手順をもう一度実行してみましょう。先ほどと同じ「パーセント変化」アルゴリズムを使いますが、今回はウィンドウをより大きく（20ではなく40）します。ウィンドウが大きくなると、隣り合う時点の差が小さくなり、シグナルがより「滑らか」になります。これは自己回帰モデルにどのような影響を与えると思いますか？
ワークスペースには、（ウィンドウを40に更新した）prices_perc_shifted と model が用意されています。
この演習はコースの一部です
Pythonで学ぶMachine Learningによる時系列データ解析
演習の手順
前の演習で作成した関数（visualize_coefficients()）を使い、model の係数と prices_perc_shifted の列名を用いてプロットを作成してください。
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。
# Visualize the output data up to "2011-01"
fig, axs = plt.subplots(2, 1, figsize=(10, 5))
y.loc[:'2011-01'].plot(ax=axs[0])
# Run the function to visualize model's coefficients
visualize_coefficients(____, ____, ax=axs[1])
plt.show()