Ljung-Box-test
Ett annat kraftfullt verktyg för att kontrollera autokorrelationer i data är Ljung-Box-testet. I den här övningen får du träna på att upptäcka autokorrelation i de standardiserade residualerna genom att utföra ett Ljung-Box-test.
Nollhypotesen för Ljung-Box-testet är: att data är oberoende fördelade. Om p-värdet är större än den angivna signifikansnivån kan nollhypotesen inte förkastas. Med andra ord finns det inga tydliga tecken på autokorrelationer och modellen är giltig.
Du använder samma GARCH-modell som i föregående övning. Dess standardiserade residualer är sparade i std_resid.
Den här övningen är en del av kursen
GARCH-modeller i Python
Övningsinstruktioner
- Importera den modul som behövs för Ljung-Box-test från paketet
statsmodels. - Utför ett Ljung-Box-test upp till fördröjning 10 och spara resultatet i
lb_test. - Skriv ut och granska p-värdena från Ljung-Box-testets resultat.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Import the Python module
from statsmodels.stats.diagnostic import ____
# Perform the Ljung-Box test
lb_test = ____(std_resid , ____ = ____, return_df = True)
# Print the p-values
print('P-values are: ', ____.iloc[0,1])