確定申告シーズンの季節調整
多くの時系列には強い季節性があります。時系列から季節要因を取り除く手順を季節調整と呼びます。たとえば、政府が公表する多くの経済データは季節調整済みです。
先ほど、ランダムウォークの一次差分をとると、定常なホワイトノイズ過程になることを見ました。季節調整では一次差分の代わりに、その周期に対応するラグの差分をとります。
H&R Block の四半期収益（DataFrame HRB に事前読み込み）の自己相関関数をもう一度見ると、明確な季節要因があります。税務シーズンごとに4四半期ごと収益が急増するため、ラグ 4, 8, 12, 16, … で自己相関が高くなっています。系列の周期を表す 4 期差（第4差分）をとって季節調整を適用し、その変換後系列の自己相関を計算してください。
この演習はコースの一部です
Pythonで学ぶ時系列解析
演習の手順
.diff()メソッドで四半期収益のラグ4差分をとり、季節調整済み収益の新しい DataFrame を作成します。- 季節調整済み DataFrame の先頭10行を確認し、最初の4行が
NaNであることに気づきます。 .dropna()メソッドでNaNの行を削除します。- 季節調整済み DataFrame の自己相関関数をプロットします。
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 plot_acf module from statsmodels
from statsmodels.graphics.tsaplots import plot_acf
# Seasonally adjust quarterly earnings
HRBsa = ___
# Print the first 10 rows of the seasonally adjusted series
print(HRBsa.___)
# Drop the NaN data in the first four rows
HRBsa = ___
# Plot the autocorrelation function of the seasonally adjusted series
plot_acf(HRBsa)
plt.show()