Сравнение AR-модели со случайным блужданием

Иногда бывает непросто отличить временной ряд со слабым возвратом к среднему от ряда, который не возвращается к среднему вовсе, — например, от случайного блуждания. Вы сравните функцию автокорреляции слабо возвращающегося к среднему ряда процентных ставок из предыдущего упражнения с имитированным случайным блужданием с таким же количеством наблюдений.

Обратите внимание: при построении автокорреляций этих двух рядов рядом друг с другом они будут выглядеть очень похоже.

Это упражнение является частью курса

Анализ временных рядов на Python

Посмотреть курс

Инструкции к упражнению

Импортируйте функцию plot_acf из модуля statsmodels
Создайте две оси для двух подграфиков
Постройте функцию автокорреляции для 12 лагов ряда процентных ставок interest_rate_data на верхнем графике
Постройте функцию автокорреляции для 12 лагов ряда процентных ставок simulated_data на нижнем графике

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import the plot_acf module from statsmodels
from statsmodels.graphics.tsaplots import plot_acf

# Plot the interest rate series and the simulated random walk series side-by-side
fig, axes = plt.subplots(2,1)

# Plot the autocorrelation of the interest rate series in the top plot
fig = plot_acf(___, alpha=1, lags=12, ax=axes[0])

# Plot the autocorrelation of the simulated random walk series in the bottom plot
fig = plot_acf(___, alpha=1, lags=12, ax=axes[1])

# Label axes
axes[0].set_title("Interest Rate Data")
axes[1].set_title("Simulated Random Walk Data")
plt.show()

Редактировать и запускать код