Vergelijk AR-model met random walk

Soms is het lastig om het verschil te zien tussen een tijdreeks die licht mean-reverting is en een tijdreeks die helemaal niet mean-revert, zoals een random walk. Je gaat de ACF vergelijken van de licht mean-reverting rentereeks uit de vorige oefening met een gesimuleerde random walk met hetzelfde aantal observaties.

Als je de autocorrelatie van deze twee reeksen naast elkaar plot, zou je moeten opvallen dat ze er erg vergelijkbaar uitzien.

Deze oefening maakt deel uit van de cursus

Tijdreeksanalyse in Python

Cursus bekijken

Oefeninstructies

Importeer de functie plot_acf uit de module statsmodels
Maak twee assen voor de twee subplots
Plot de autocorrelatiefunctie voor 12 lags van de rentereeks interest_rate_data in de bovenste plot
Plot de autocorrelatiefunctie voor 12 lags van de reeks simulated_data in de onderste plot

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

# Import the plot_acf module from statsmodels
from statsmodels.graphics.tsaplots import plot_acf

# Plot the interest rate series and the simulated random walk series side-by-side
fig, axes = plt.subplots(2,1)

# Plot the autocorrelation of the interest rate series in the top plot
fig = plot_acf(___, alpha=1, lags=12, ax=axes[0])

# Plot the autocorrelation of the simulated random walk series in the bottom plot
fig = plot_acf(___, alpha=1, lags=12, ax=axes[1])

# Label axes
axes[0].set_title("Interest Rate Data")
axes[1].set_title("Simulated Random Walk Data")
plt.show()

Code bewerken en uitvoeren