Вычисление ACF для нескольких временных рядов MA
В отличие от AR(1), модель MA(1) не имеет автокорреляции за пределами лага 1, модель MA(2) — за пределами лага 2, и так далее. Автокорреляция на лаге 1 для модели MA(1) равна не \(\small \theta\), а \(\small \theta / (1+\theta^2)\). Например, если параметр MA равен \(\small \theta = +0{,}9\), автокорреляция на первом лаге составит \(\small 0{,}9/(1+(0{,}9)^2)=0{,}497\), а на всех остальных лагах будет равна нулю. Если параметр MA равен \(\small \theta = -0{,}9\), автокорреляция на первом лаге составит \(\small -0{,}9/(1+(-0{,}9)^2)=-0{,}497\).
Вы проверите эти функции автокорреляции для трёх временных рядов, сгенерированных в предыдущем упражнении.
Это упражнение является частью курса
Анализ временных рядов на Python
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 1: MA parameter = -0.9
plot_acf(___, lags=20)
plt.show()