Obliczanie ACF dla kilku szeregów czasowych MA
W odróżnieniu od modelu AR(1), model MA(1) nie wykazuje autokorelacji dla opóźnień większych niż 1, model MA(2) – dla opóźnień większych niż 2 itd. Autokorelacja przy opóźnieniu 1 dla modelu MA(1) wynosi nie \(\small \theta\), lecz \(\small \theta / (1+\theta^2)\). Na przykład, jeśli parametr MA, \(\small \theta\), wynosi +0,9, autokorelacja przy pierwszym opóźnieniu będzie równa \(\small 0{,}9/(1+(0{,}9)^2)=0{,}497\), a dla wszystkich pozostałych opóźnień wyniesie zero. Jeśli natomiast parametr MA, \(\small \theta\), wynosi -0,9, autokorelacja przy pierwszym opóźnieniu będzie równa \(\small -0{,}9/(1+(-0{,}9)^2)=-0{,}497\).
Zweryfikujesz te funkcje autokorelacji dla trzech szeregów czasowych wygenerowanych w poprzednim ćwiczeniu.
To ćwiczenie jest częścią kursu
Analiza szeregów czasowych w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Import the plot_acf module from statsmodels
from statsmodels.graphics.tsaplots import plot_acf
# Plot 1: MA parameter = -0.9
plot_acf(___, lags=20)
plt.show()