Ljung-Box-test
Een ander krachtig hulpmiddel om autocorrelaties in de data te controleren is de Ljung-Box-test. In deze oefening ga je oefenen met het detecteren van autocorrelatie in de gestandaardiseerde residuen door een Ljung-Box-test uit te voeren.
De nulhypothese van de Ljung-Box-test is: de data is onafhankelijk verdeeld. Als de p-waarde groter is dan het opgegeven significantieniveau, kan de nulhypothese niet worden verworpen. Met andere woorden: er is geen duidelijk teken van autocorrelaties en het model is geldig.
Je gebruikt hetzelfde GARCH-model als in de vorige oefening. De gestandaardiseerde residuen zijn opgeslagen in std_resid.
Deze oefening maakt deel uit van de cursus
GARCH-modellen in Python
Oefeninstructies
- Importeer de module die nodig is voor Ljung-Box-tests uit het pakket
statsmodels. - Voer een Ljung-Box-test uit tot en met lag 10 en sla het resultaat op in
lb_test. - Print en bekijk de p-waarden uit het resultaat van de Ljung-Box-test.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Import the Python module
from statsmodels.stats.diagnostic import ____
# Perform the Ljung-Box test
lb_test = ____(std_resid , ____ = ____, return_df = True)
# Print the p-values
print('P-values are: ', ____.iloc[0,1])