Se um modelo GARCH estiver indo bem, os resíduos padronizados não devem apresentar autocorrelações. Neste exercício, você vai praticar o uso de um gráfico ACF para detectar autocorrelações nos dados.

O coeficiente de correlação entre dois valores em uma série temporal é chamado de função de autocorrelação (ACF), e um gráfico ACF é uma representação visual das correlações entre diferentes defasagens (lags). Existem funções predefinidas no pacote statsmodels do Python que permitem gerar gráficos ACF com facilidade.

Um modelo GARCH foi ajustado com os dados de retorno do S&P 500, e seus resíduos padronizados foram calculados e salvos em std_resid. O matplotlib.pyplot foi importado como plt.

Validação dos pressupostos do modelo GARCH

Create Your Free Account