세금 시즌 연습: ACF 계산하기
이전 장에서는 시차 1에 대한 자기상관을 계산해 보았어요. 실제 분석에서는 여러 시차에 걸친 자기상관을 보는 경우가 많습니다. H&R Block(티커 HRB)의 분기별 이익 시계열이 그려져 있는데, 이익의 강한 순환성이 눈에 띕니다. 대부분의 이익이 세금 신고가 집중되는 분기에 발생하죠.
이제 DataFrame HRB에 미리 로드된 H&R Block 분기별 이익 데이터에 대해 자기상관 계수 배열을 계산하고, plot_acf 모듈을 사용해 자기상관함수(ACF)를 그려 보세요. 이 그래프는 순환적인 이익 데이터에서 ACF가 어떤 모습을 보이는지 보여줍니다. 물론 lag=0에서의 ACF는 항상 1입니다. 다음 연습 문제에서는 ACF의 신뢰구간에 대해 배울 텐데, 지금은 alpha=1로 설정해 신뢰구간을 표시하지 않도록 해주세요.
이 연습은 강의의 일부입니다
Python으로 배우는 시계열 분석
연습 안내
- statsmodels에서
acf모듈과plot_acf모듈을 임포트하세요. - DataFrame
HRB에 있는 분기별 이익 데이터의 자기상관 계수 배열을 계산하세요. HRB의 분기별 이익 데이터에 대한 자기상관함수를 그리되, 신뢰구간을 숨기기 위해 인수alpha=1을 전달하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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()