Calcule o ACF para várias séries temporais MA
Diferentemente de um modelo AR(1), um modelo MA(1) não tem autocorrelação além da defasagem 1, um modelo MA(2) não tem autocorrelação além da defasagem 2, etc. A autocorrelação de defasagem 1 para um modelo MA(1) não é \(\small \theta\), mas sim \(\small \theta / (1+\theta^2)\). Por exemplo, se o parâmetro MA, \(\small \theta\), for = +0,9, a autocorrelação de primeiro atraso será \(\small 0,9/(1+(0,9)^2)=0,497\) e a autocorrelação em todos os outros atrasos será zero. Se o parâmetro MA, \(\small \theta\), for -0,9, a autocorrelação de primeiro atraso será \(\small -0,9/(1+(-0,9)^2)=-0,497\).
Você verificará essas funções de autocorrelação para as três séries temporais que gerou no último exercício.
Este exercício faz parte do curso
Análise de séries temporais em Python
Exercício interativo prático
Experimente este exercício preenchendo este código de exemplo.
# 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()