Wykres ACF
Jeśli model GARCH działa poprawnie, zestandaryzowane reszty nie powinny wykazywać autokorelacji. W tym ćwiczeniu przećwiczysz użycie wykresu ACF do wykrywania autokorelacji w danych.
Współczynnik korelacji między dwiema wartościami w szeregu czasowym nosi nazwę funkcji autokorelacji (ACF), a wykres ACF to graficzna reprezentacja korelacji między różnymi opóźnieniami. Pakiet statsmodels w Pythonie udostępnia gotowe funkcje, które umożliwiają łatwe generowanie takich wykresów.
Do danych dotyczących stóp zwrotu indeksu S&P 500 dopasowano model GARCH, a jego zestandaryzowane reszty zostały obliczone i zapisane w zmiennej std_resid. Biblioteka matplotlib.pyplot została zaimportowana jako plt.
To ćwiczenie jest częścią kursu
Modele GARCH w Pythonie
Instrukcje do ćwiczenia
- Zaimportuj z pakietu
statsmodelsmoduł potrzebny do generowania wykresów ACF. - Wykreśl zestandaryzowane reszty modelu GARCH zapisane w zmiennej
std_resid. - Wygeneruj wykres ACF zestandaryzowanych reszt i ustaw poziom ufności na 0.05.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# 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()