1. 学ぶ
  2. /
  3. コース
  4. /
  5. Pythonで学ぶ時系列解析

Connected

演習

MAモデルを適用する

株価がビッドとアスクの間で行き来することで、1期先の自己相関が負になり、ラグ1より大きいラグでは自己相関がなくなります。これはMA(1)モデルのACFパターンと同じです。そこで、前の演習で扱った日中株価データにMA(1)モデルを当てはめてみます。

最初のステップは、intraday にある価格から1分ごとのリターンを計算し、自己相関関数をプロットすることです。ACFはMA(1)過程のそれに似ているはずです。続いて、シミュレーションデータで行ったのと同じ方法で、データにMA(1)をフィットさせます。

指示

100 XP
  • statsmodels から plot_acf と ARIMA モジュールをインポートします
  • 価格から1分ごとのリターンを計算します:
    • .pct_change() メソッドでリターンを計算します
    • pandas の .dropna() メソッドで、NaN になる最初の行を落とします
  • ラグ60分までのACFをプロットします
  • リターンデータにMA(1)モデルをフィットし、MA(1)のパラメータを出力します