ACF-diagram
En välkalibrerad GARCH-modell bör inte uppvisa autokorrelation i de standardiserade residualerna. I den här övningen får du träna på att använda ett ACF-diagram för att upptäcka autokorrelationer i data.
Korrelationskoefficienten mellan två värden i en tidsserie kallas autokorrelationsfunktionen (ACF), och ett ACF-diagram är en visuell representation av korrelationer mellan olika lags. I Pythons statsmodels-paket finns färdiga funktioner som gör det enkelt att generera ACF-diagram.
En GARCH-modell har anpassats till avkastningsdata från S&P 500, och dess standardiserade residualer har beräknats och sparats i std_resid. matplotlib.pyplot har importerats som plt.
Den här övningen är en del av kursen
GARCH-modeller i Python
Övningsinstruktioner
- Importera den modul som behövs för ACF-diagram från paketet
statsmodels. - Plotta GARCH-modellens standardiserade residualer som sparats i
std_resid. - Generera ett ACF-diagram över de standardiserade residualerna och sätt konfidensnivån till 0.05.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# 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()