แบบฝึกหัดภาษีอากร: คำนวณ ACF

ในบทที่แล้ว เราได้คำนวณ autocorrelation ด้วย lag เดียว แต่บ่อยครั้งเราต้องการดู autocorrelation ในหลาย lag พร้อมกัน กำไรรายไตรมาสของ H&R Block (สัญลักษณ์หุ้น HRB) ถูกพล็อตไว้แล้ว และจะเห็นได้ชัดว่ากำไรมีวัฏจักรที่ชัดเจนมาก โดยกำไรส่วนใหญ่กระจุกตัวอยู่ในไตรมาสที่ถึงกำหนดชำระภาษี

ในแบบฝึกหัดนี้ จะได้คำนวณอาร์เรย์ของ autocorrelation สำหรับข้อมูลกำไรรายไตรมาสของ H&R Block ที่โหลดไว้ล่วงหน้าใน DataFrame HRB จากนั้นพล็อต autocorrelation function โดยใช้โมดูล plot_acf กราฟนี้จะแสดงให้เห็นว่า autocorrelation function มีลักษณะอย่างไรสำหรับข้อมูลกำไรที่มีวัฏจักร โดย ACF ที่ lag=0 จะมีค่าเท่ากับ 1 เสมอ ในแบบฝึกหัดถัดไปจะได้เรียนรู้เกี่ยวกับช่วงความเชื่อมั่นของ ACF แต่สำหรับตอนนี้ ให้ซ่อนช่วงความเชื่อมั่นโดยกำหนด alpha=1

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์อนุกรมเวลาด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

นำเข้าโมดูล acf และ plot_acf จาก statsmodels
คำนวณอาร์เรย์ของ autocorrelation จากข้อมูลกำไรรายไตรมาสใน DataFrame HRB
พล็อต autocorrelation function ของข้อมูลกำไรรายไตรมาสใน HRB และส่งอาร์กิวเมนต์ alpha=1 เพื่อซ่อนช่วงความเชื่อมั่น

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import the acf module and the plot_acf module from statsmodels
from statsmodels.tsa.stattools import acf
from statsmodels.graphics.tsaplots import plot_acf

# Compute the acf array of HRB
acf_array = acf(___)
print(acf_array)

# Plot the acf function
plot_acf(___)
plt.show()

แก้ไขและรันโค้ด