Vergi Sezonunda Mevsimsel Düzeltme

Birçok zaman serisi güçlü mevsimsel davranış gösterir. Bir zaman serisinden mevsimsel bileşeni kaldırma işlemine mevsimsel düzeltme denir. Örneğin, hükümetin yayımladığı ekonomik verilerin çoğu mevsimsel olarak düzeltilmiştir.

Daha önce, bir rassal yürüyüşün birinci farkını aldığında, durağan bir beyaz gürültü süreci elde ettiğini görmüştün. Mevsimsel düzeltmelerde ise birinci fark yerine, periyodikliğe karşılık gelen gecikmeyle fark alırsın.

H&R Block'un üç aylık kazançlarının ACF'sine, önceden yüklenmiş HRB DataFrame'inde tekrar bak ve belirgin bir mevsimsel bileşen olduğunu gör. Otokorelasyon, vergi sezonunda her dört çeyrekte bir yaşanan sıçramadan dolayı 4,8,12,16,… gecikmelerinde yüksektir. Dördüncü farkı alarak (dört, serinin periyodikliğini temsil eder) mevsimsel bir düzeltme uygula. Sonrasında dönüştürülmüş serinin otokorelasyonunu hesapla.

Bu egzersiz

Python ile Zaman Serisi Analizi

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

.diff() metodunu kullanarak üç aylık kazançların 4 gecikmeli farkını alıp mevsimsel olarak düzeltilmiş yeni bir DataFrame oluştur.
Mevsimsel olarak düzeltilmiş DataFrame'in ilk 10 satırına bak ve ilk dört satırın NaN olduğunu fark et.
.dropna() metodunu kullanarak NaN satırlarını düşür.
Mevsimsel olarak düzeltilmiş DataFrame'in otokorelasyon fonksiyonunu görselleştir.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Import the plot_acf module from statsmodels
from statsmodels.graphics.tsaplots import plot_acf

# Seasonally adjust quarterly earnings
HRBsa = ___

# Print the first 10 rows of the seasonally adjusted series
print(HRBsa.___)

# Drop the NaN data in the first four rows
HRBsa = ___

# Plot the autocorrelation function of the seasonally adjusted series
plot_acf(HRBsa)
plt.show()

Kodu Düzenle ve Çalıştır