1. Nauka
    2. /
  2. Kursy
    3. /
  3. Analiza szeregów czasowych w Pythonie
Connected

ćwiczenie

Korekta sezonowa w okresie rozliczeń podatkowych

Wiele szeregów czasowych wykazuje wyraźną sezonowość. Proces usuwania składnika sezonowego z szeregu czasowego nazywa się korektą sezonową. Na przykład większość danych ekonomicznych publikowanych przez rząd jest korygowana sezonowo.

Wcześniej widziałeś, że biorąc pierwsze różnice błądzenia losowego, otrzymujesz stacjonarny proces białego szumu. W przypadku korekty sezonowej zamiast pierwszych różnic stosuje się różnice z opóźnieniem odpowiadającym okresowości szeregu.

Spójrz ponownie na funkcję autokorelacji (ACF) kwartalnych zysków H&R Block, wczytanych do DataFrame HRB. Widoczny jest wyraźny składnik sezonowy. Autokorelacja jest wysoka dla opóźnień 4, 8, 12, 16, … ze względu na skokowy wzrost zysków co cztery kwartały w okresie rozliczeń podatkowych. Zastosuj korektę sezonową, obliczając czwarte różnice (liczba 4 odpowiada okresowości szeregu). Następnie oblicz autokorelację przekształconego szeregu.

Instrukcje

100 XP
  • Utwórz nowy DataFrame z sezonowo skorygowanymi zyskami, obliczając różnice z opóźnieniem 4 dla kwartalnych zysków za pomocą metody .diff().
  • Sprawdź pierwsze 10 wierszy skorygowanego DataFrame i zwróć uwagę, że pierwsze cztery wiersze mają wartość NaN.
  • Usuń wiersze z wartościami NaN, używając metody .dropna().
  • Wykreśl funkcję autokorelacji (ACF) dla sezonowo skorygowanego DataFrame.