ACF grafiği
Bir GARCH modeli iyi iş çıkarıyorsa, standartlaştırılmış artıklar otokorelasyon göstermemelidir. Bu egzersizde, verideki otokorelasyonları tespit etmek için bir ACF grafiğini kullanmayı pratik edeceksin.
Bir zaman serisindeki iki değerin korelasyon katsayısına otokorelasyon fonksiyonu (ACF) denir; ACF grafiği ise farklı gecikmeler arasındaki korelasyonların görsel bir temsilidir. Python statsmodels paketlerinde ACF grafikleri üretmeni kolaylaştıran ön tanımlı fonksiyonlar bulunur.
Bir GARCH modeli S&P 500 getiri verisiyle eğitildi ve standartlaştırılmış artıklar hesaplanıp std_resid içinde saklandı. matplotlib.pyplot ise plt olarak içe aktarıldı.
Bu egzersiz
Python ile GARCH Modelleri
kursunun bir parçasıdırEgzersiz talimatları
statsmodelspaketinden ACF grafikleri için gereken modülü içe aktar.std_residiçinde saklanan GARCH modelinin standartlaştırılmış artıklarını çiz.- Standartlaştırılmış artıklara ait bir ACF grafiği üret ve güven düzeyini 0.05 olarak ayarla.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# 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()