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

ćwiczenie

Białego szumu nie da się prognozować

Szereg czasowy białego szumu to po prostu ciąg nieskorelowanych zmiennych losowych o identycznym rozkładzie. Stopy zwrotu z akcji są często modelowane właśnie jako biały szum. Niestety, w przypadku białego szumu nie można prognozować przyszłych obserwacji na podstawie przeszłych – autokorelacje dla wszystkich opóźnień wynoszą zero.

Wygenerujesz szereg białego szumu i wykreślisz funkcję autokorelacji, aby pokazać, że wynosi zero dla wszystkich opóźnień. Do wygenerowania losowych zwrotów możesz użyć np.random.normal(). W przypadku gaussowskiego procesu białego szumu całkowity opis procesu sprowadza się do podania średniej i odchylenia standardowego.

Wykreśl ten szereg białego szumu, żeby zobaczyć, jak wygląda, a następnie wykreśl funkcję autokorelacji.

Instrukcje

100 XP
  • Wygeneruj 1000 losowych zwrotów z rozkładu normalnego za pomocą np.random.normal(), przyjmując średnią równą 2% (0,02) i odchylenie standardowe równe 5% (0,05) – argument dla średniej to loc, a dla odchylenia standardowego scale.
  • Sprawdź średnią i odchylenie standardowe zwrotów, używając np.mean() i np.std().
  • Wykreśl szereg czasowy.
  • Wykreśl funkcję autokorelacji za pomocą plot_acf z argumentem lags=20.