Exercício desafiador: calcule a ACF
No capítulo anterior, você calculou autocorrelações com uma defasagem. Muitas vezes, queremos ver a autocorrelação ao longo de várias defasagens. Os lucros trimestrais da H&R Block (código HRB) estão plotados, e você pode perceber a forte sazonalidade dos seus resultados. A maior parte dos lucros ocorre no trimestre em que os impostos vencem.
Você vai calcular o vetor de autocorrelações para os lucros trimestrais da H&R Block, que já estão carregados no DataFrame HRB. Em seguida, vai plotar a função de autocorrelação usando o módulo plot_acf. Esse gráfico mostra como é a função de autocorrelação para dados de lucros sazonais. A ACF em lag=0 é sempre igual a 1, claro. No próximo exercício, você vai aprender sobre o intervalo de confiança da ACF, mas, por enquanto, suprima o intervalo de confiança definindo alpha=1.
Este exercicio faz parte do curso
Análise de séries temporais em Python
Instruções do exercicio
- Importe o módulo
acfe o móduloplot_acfdo statsmodels. - Calcule o vetor de autocorrelações dos lucros trimestrais no DataFrame
HRB. - Plote a função de autocorrelação dos lucros trimestrais em
HRBe passe o argumentoalpha=1para suprimir o intervalo de confiança.
exercicio interativo prático
Tente este exercicio 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()