Ajustare Sezonieră în Perioada Declarațiilor Fiscale
Multe serii de timp prezintă un comportament sezonier pronunțat. Procesul de eliminare a componentei sezoniere dintr-o serie de timp se numește ajustare sezonieră. De exemplu, majoritatea datelor economice publicate de guvern sunt ajustate sezonier.
Ai văzut anterior că, aplicând primele diferențe ale unui mers aleatoriu, obții un proces staționar de tip zgomot alb. Pentru ajustările sezoniere, în loc de primele diferențe, vei calcula diferențe cu un decalaj corespunzător periodicității.
Aruncă din nou o privire la funcția de autocorelație (ACF) a câștigurilor trimestriale ale H&R Block, preîncărcate în DataFrame-ul HRB – vei observa o componentă sezonieră clară. Autocorelația este ridicată pentru decalajele 4, 8, 12, 16,… din cauza creșterii câștigurilor la fiecare patru trimestre, în perioada declarațiilor fiscale. Aplică o ajustare sezonieră calculând diferența de ordinul patru (patru reprezintă periodicitatea seriei), apoi calculează autocorelația seriei transformate.
Acest exercițiu face parte din cursul
Analiza seriilor de timp în Python
Instrucțiuni pentru exercițiu
- Creează un nou DataFrame cu câștigurile ajustate sezonier, calculând diferența cu decalajul 4 pentru câștigurile trimestriale, folosind metoda
.diff(). - Examinează primele 10 rânduri ale DataFrame-ului ajustat sezonier și observă că primele patru rânduri conțin valori
NaN. - Elimină rândurile cu
NaNfolosind metoda.dropna(). - Reprezintă grafic funcția de autocorelație a DataFrame-ului ajustat sezonier.
Exercițiu interactiv practic
Încearcă acest exercițiu completând acest cod de exemplu.
# Import the plot_acf module from statsmodels
from statsmodels.graphics.tsaplots import plot_acf
# Seasonally adjust quarterly earnings
HRBsa = ___
# Print the first 10 rows of the seasonally adjusted series
print(HRBsa.___)
# Drop the NaN data in the first four rows
HRBsa = ___
# Plot the autocorrelation function of the seasonally adjusted series
plot_acf(HRBsa)
plt.show()