ACF-plot
Als een GARCH-model het goed doet, vertonen de gestandaardiseerde residuen geen autocorrelaties. In deze oefening ga je met een ACF-plot oefenen om autocorrelaties in de data te ontdekken.
De correlatiecoëfficiënt tussen twee waarden in een tijdreeks heet de autocorrelatiefunctie (ACF), en een ACF-plot is een visuele weergave van correlaties tussen verschillende lags. In de statsmodels-pakketten van Python staan kant-en-klare functies waarmee je eenvoudig ACF-plots kunt genereren.
Er is een GARCH-model gefit op S&P 500-rendementsdata, en de gestandaardiseerde residuen zijn berekend en opgeslagen in std_resid. matplotlib.pyplot is geïmporteerd als plt.
Deze oefening maakt deel uit van de cursus
GARCH-modellen in Python
Oefeninstructies
- Importeer de module die nodig is voor ACF-plots uit het
statsmodels-pakket. - Plot de gestandaardiseerde residuen van het GARCH-model die zijn opgeslagen in
std_resid. - Genereer een ACF-plot van de gestandaardiseerde residuen en zet het betrouwbaarheidsniveau op 0,05.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Import the Python module
from statsmodels.graphics.tsaplots import ____
# Plot the standardized residuals
plt.plot(____)
plt.title('Standardized Residuals')
plt.show()
# Generate ACF plot of the standardized residuals
____(std_resid, ____ = ____)
plt.show()