Beyaz Gürültü Tahmin Edilemez
Beyaz gürültü zaman serisi, aynı dağılıma sahip, birbiriyle ilişkisiz rastgele değişkenlerden oluşan bir dizidir. Hisse senedi getirileri sıklıkla beyaz gürültü olarak modellenir. Ne yazık ki, beyaz gürültü için geçmişe bakarak gelecekteki gözlemleri tahmin edemeyiz — tüm gecikmelerdeki otokorelasyonlar sıfırdır.
Bir beyaz gürültü serisi üretecek ve tüm gecikmeler için sıfır olduğunu göstermek üzere otokorelasyon fonksiyonunu çizeceksin. Rastgele getiriler üretmek için np.random.normal() kullanabilirsin. Gaussian beyaz gürültü sürecinde, ortalama ve standart sapma tüm süreci tanımlar.
Bu beyaz gürültü serisini çizerek nasıl göründüğüne bak ve ardından otokorelasyon fonksiyonunu çiz.
Bu egzersiz
Python ile Zaman Serisi Analizi
kursunun bir parçasıdırEgzersiz talimatları
np.random.normal()kullanarak ortalaması %2 (0.02) ve standart sapması %5 (0.05) olan 1000 normal rastgele getiri üret; ortalama için argümanloc, standart sapma için argümanscale'dir.- Getirilerin ortalamasını ve standart sapmasını
np.mean()venp.std()ile doğrula. - Zaman serisini çiz.
lags=20ileplot_acfkullanarak otokorelasyon fonksiyonunu çiz.
Uygulamalı interaktif egzersiz
Bu örnek kodu tamamlayarak bu egzersizi bitirin.
# Import the plot_acf module from statsmodels
from statsmodels.graphics.tsaplots import plot_acf
# Simulate white noise returns
returns = np.random.normal(loc=___, scale=___, size=___)
# Print out the mean and standard deviation of returns
mean = np.mean(___)
std = np.std(___)
print("The mean is %5.3f and the standard deviation is %5.3f" %(mean,std))
# Plot returns series
plt.plot(___)
plt.show()
# Plot autocorrelation function of white noise returns
plot_acf(___, lags=___)
plt.show()