税金にまつわる演習：ACF を計算する
前の章では、1 期ラグの自己相関を計算しました。実務では、複数のラグにわたる自己相関を確認することがよくあります。 H&R Block（ティッカーシンボル HRB）の四半期利益がプロットされており、利益の極端な循環性が見て取れます。利益の大半は納税期の四半期に発生します。
この演習では、DataFrame HRB に読み込まれている H&R Block の四半期利益について、自己相関の配列を計算します。続いて、plot_acf モジュールを使って自己相関関数をプロットします。循環的な利益データで自己相関関数がどのように見えるかが分かります。もちろん、lag=0 の ACF は常に 1 です。次の演習では ACF の信頼区間について学びますが、ここでは alpha=1 を指定して信頼区間を表示しないようにしてください。
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
- statsmodels から
acfモジュールとplot_acfモジュールをインポートします。 - DataFrame
HRBにある四半期利益データの自己相関配列を計算します。 HRBの四半期利益データの自己相関関数をプロットし、引数alpha=1を渡して信頼区間を非表示にします。
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 acf module and the plot_acf module from statsmodels
from statsmodels.tsa.stattools import acf
from statsmodels.graphics.tsaplots import plot_acf
# Compute the acf array of HRB
acf_array = acf(___)
print(acf_array)
# Plot the acf function
plot_acf(___)
plt.show()