1. Învăţa
    2. /
  2. Courses
    3. /
  3. Pythonで学ぶ時系列解析
Connected

exercise

複数のMA時系列のACFを計算する

AR(1)と異なり、MA(1)モデルはラグ1を超える自己相関がなく、MA(2)モデルはラグ2を超える自己相関がありません。MA(1)モデルのラグ1自己相関は \(\small \theta\) そのものではなく、\(\small \theta / (1+\theta^2)\) です。たとえば、MAパラメータ \(\small \theta\) が +0.9 のとき、1期ラグの自己相関は \(\small 0.9/(1+(0.9)^2)=0.497\) となり、その他のラグでの自己相関はゼロになります。MAパラメータ \(\small \theta\) が -0.9 のときは、1期ラグの自己相関は \(\small -0.9/(1+(-0.9)^2)=-0.497\) になります。

前の演習で作成した3つの時系列について、これらの自己相関関数を確かめていきます。

Instrucțiuni 1 / 3

undefined XP
    1
    2
    3
  • simulated_data_1 は、MAパラメータが \(\small \theta=-0.9\) の最初のシミュレーション時系列です。
  • plot_acf 関数でラグを20にして、simulated_data_1 の自己相関関数を計算します。