Jämför AR-modell med slumpvandring

Ibland kan det vara svårt att skilja mellan en tidsserie som är svagt medelvärdesåtergående och en som inte återgår till medelvärdet alls, som en slumpvandring. Du ska jämföra ACF för den svagt medelvärdesåtergående räntedataserien från föregående övning med en simulerad slumpvandring med samma antal observationer.

När du plottar autokorrelationen för dessa två serier sida vid sida bör du lägga märke till att de liknar varandra mycket.

Den här övningen är en del av kursen

Tidsserieanalys i Python

Visa kurs

Övningsinstruktioner

Importera funktionen plot_acf från modulen statsmodels
Skapa två axlar för de två delplottarna
Plotta autokorrelationsfunktionen för 12 lags av räntedataserien interest_rate_data i den övre plotten
Plotta autokorrelationsfunktionen för 12 lags av räntedataserien simulated_data i den nedre plotten

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()

Redigera och kör kod