Autoregressie met een gladdere tijdreeks
Laten we nu dezelfde procedure opnieuw uitvoeren met een gladdere signal. Je gebruikt hetzelfde algoritme voor de procentuele verandering als eerder, maar deze keer met een veel groter venster (40 in plaats van 20). Naarmate het venster groter wordt, wordt het verschil tussen opeenvolgende tijdspunten kleiner, wat resulteert in een gladdere signal. Wat denk je dat dit doet met het autoregressieve model?
prices_perc_shifted en model (aangepast om een venster van 40 te gebruiken) zijn beschikbaar in je werkruimte.
Deze oefening maakt deel uit van de cursus
Machine Learning voor tijdreeksgegevens in Python
Oefeninstructies
Gebruik de functie (visualize_coefficients()) die je in de vorige oefening hebt gemaakt om een plot te genereren met de coëfficiënten van model en de kolomnamen van prices_perc_shifted.
Interactieve oefening met praktijkervaring
Probeer deze oefening door deze voorbeeldcode aan te vullen.
# Visualize the output data up to "2011-01"
fig, axs = plt.subplots(2, 1, figsize=(10, 5))
y.loc[:'2011-01'].plot(ax=axs[0])
# Run the function to visualize model's coefficients
visualize_coefficients(____, ____, ax=axs[1])
plt.show()