始める無料で始める

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。

この演習はコースの一部です

Pythonで学ぶ時系列解析

コースを見る

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 plot_acf module from statsmodels
from statsmodels.graphics.tsaplots import plot_acf

# Plot 1: MA parameter = -0.9
plot_acf(___, lags=20)
plt.show()
コードを編集して実行