ACF-график
Если модель GARCH работает корректно, стандартизированные остатки не должны проявлять автокорреляции. В этом упражнении вы потренируетесь использовать ACF-график для выявления автокорреляций в данных.
Коэффициент корреляции между двумя значениями временного ряда называется функцией автокорреляции (ACF), а ACF-график — это наглядное представление корреляций при различных лагах. В пакете statsmodels для Python есть готовые функции, которые позволяют строить ACF-графики легко и быстро.
Модель GARCH была подобрана на данных доходности индекса S&P 500, а её стандартизированные остатки вычислены и сохранены в переменной std_resid. Библиотека matplotlib.pyplot импортирована как plt.
Это упражнение является частью курса
Модели GARCH на Python
Инструкции к упражнению
- Импортируйте из пакета
statsmodelsмодуль, необходимый для построения ACF-графиков. - Постройте график стандартизированных остатков модели GARCH, сохранённых в
std_resid. - Постройте ACF-график стандартизированных остатков и установите уровень значимости равным 0.05.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Import the Python module
from statsmodels.graphics.tsaplots import ____
# Plot the standardized residuals
plt.plot(____)
plt.title('Standardized Residuals')
plt.show()
# Generate ACF plot of the standardized residuals
____(std_resid, ____ = ____)
plt.show()