Beräkna ACF för flera MA-tidsserier
Till skillnad från en AR(1) har en MA(1)-modell ingen autokorrelation efter lag 1, en MA(2)-modell ingen autokorrelation efter lag 2, och så vidare. Lag-1-autokorrelationen för en MA(1)-modell är inte \(\small \theta\), utan \(\small \theta / (1+\theta^2)\). Om MA-parametern \(\small \theta\) till exempel är +0,9, blir autokorrelationen vid det första lagget \(\small 0{,}9/(1+(0{,}9)^2)=0{,}497\), och autokorrelationen vid alla övriga lagg är noll. Om MA-parametern \(\small \theta\) är -0,9, blir autokorrelationen vid det första lagget \(\small -0{,}9/(1+(-0{,}9)^2)=-0{,}497\).
Du ska nu verifiera dessa autokorrelationsfunktioner för de tre tidsserier du genererade i föregående övning.
Den här övningen är en del av kursen
Tidsserieanalys i Python
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 1: MA parameter = -0.9
plot_acf(___, lags=20)
plt.show()