Exercițiu fiscal: Calculează ACF

În capitolul anterior, ai calculat autocorelații cu un singur decalaj. De multe ori, suntem interesați să vedem autocorelația pe mai multe decalaje. Sunt reprezentate grafic câștigurile trimestriale ale H&R Block (simbolul bursier HRB), iar din grafic se poate observa ciclicitatea extremă a acestora. Cea mai mare parte a câștigurilor se înregistrează în trimestrul în care sunt scadente taxele.

Vei calcula tabloul de autocorelații pentru câștigurile trimestriale ale H&R Block, preîncărcat în DataFrame-ul HRB. Apoi, vei reprezenta grafic funcția de autocorelare folosind modulul plot_acf. Acest grafic arată cum arată funcția de autocorelare pentru date cu câștiguri ciclice. ACF la lag=0 este întotdeauna unu, desigur. În exercițiul următor vei afla despre intervalul de încredere al ACF, dar deocamdată suprimă intervalul de încredere setând alpha=1.

Acest exercițiu face parte din cursul

Analiza seriilor de timp în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Importă modulul acf și modulul plot_acf din statsmodels.
Calculează tabloul de autocorelații ale datelor despre câștigurile trimestriale din DataFrame-ul HRB.
Reprezintă grafic funcția de autocorelare a câștigurilor trimestriale din HRB și transmite argumentul alpha=1 pentru a suprima intervalul de încredere.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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()

Editează și rulează codul