Exercício de tributação: Calcule o ACF
No último capítulo, você calculou as autocorrelações com uma defasagem. Geralmente, estamos interessados em ver a autocorrelação em muitas defasagens. Os ganhos trimestrais da H&R Block (símbolo HRB) estão representados à direita, e você pode ver a extrema ciclicidade de seus ganhos. A grande maioria de seus ganhos ocorre no trimestre em que os impostos são devidos.
Você calculará a matriz de autocorrelações para os ganhos trimestrais da H&R Block que estão pré-carregados no DataFrame HRB. Em seguida, desenhe a função de autocorrelação usando o módulo plot_acf. Esse gráfico mostra a aparência da função de autocorrelação para dados cíclicos de lucros. O ACF em lag=0 é sempre um, é claro. No próximo exercício, você aprenderá sobre o intervalo de confiança para ACF, mas, por enquanto, suprima o intervalo de confiança definindo alpha=1.
Este exercício faz parte do curso
Análise de séries temporais em Python
Instruções do exercício
- Importe o módulo
acfe o móduloplot_acfde statsmodels. - Calcule a matriz de autocorrelações dos dados de lucros trimestrais no DataFrame
HRB. - Trace a função de autocorrelação dos dados de ganhos trimestrais em
HRBe passe o argumentoalpha=1para suprimir o intervalo de confiança.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Import the acf module and the plot_acf module from statsmodels
from statsmodels.tsa.stattools import acf
from statsmodels.graphics.tsaplots import plot_acf
# Compute the acf array of HRB
acf_array = acf(___)
print(acf_array)
# Plot the acf function
plot_acf(___)
plt.show()