Gráfico ACF
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.
Este exercício faz parte do curso
Modelos GARCH em Python
Instruções do exercício
- Importe do pacote
statsmodelso módulo necessário para gráficos ACF. - Plote os resíduos padronizados do modelo GARCH salvos em
std_resid. - Gere um gráfico ACF dos resíduos padronizados e defina o nível de confiança como 0.05.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# 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()