เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

กราฟ ACF

หาก GARCH model ทำงานได้ดี ค่าเศษเหลือมาตรฐาน (standardized residuals) ไม่ควรแสดงให้เห็นการเกิด autocorrelation ในแบบฝึกหัดนี้ จะฝึกใช้กราฟ ACF เพื่อตรวจหา autocorrelation ในข้อมูล

ค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างสองค่าในอนุกรมเวลาเรียกว่า autocorrelation function (ACF) และกราฟ ACF คือการแสดงผลแบบภาพของสหสัมพันธ์ระหว่าง lag ต่าง ๆ แพ็กเกจ statsmodels ใน Python มีฟังก์ชันสำเร็จรูปที่ช่วยให้สร้างกราฟ ACF ได้อย่างสะดวก

มีการ fit GARCH model กับข้อมูลผลตอบแทนของ S&P 500 แล้ว และได้คำนวณค่าเศษเหลือมาตรฐานไว้ในตัวแปร std_resid โดย matplotlib.pyplot ถูกนำเข้ามาในชื่อ plt

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

GARCH Models ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • นำเข้าโมดูลที่จำเป็นสำหรับสร้างกราฟ ACF จากแพ็กเกจ statsmodels
  • พล็อตค่าเศษเหลือมาตรฐานของ GARCH model ที่บันทึกไว้ใน std_resid
  • สร้างกราฟ ACF ของค่าเศษเหลือมาตรฐาน และกำหนดระดับความเชื่อมั่นเป็น 0.05

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()
แก้ไขและรันโค้ด