Biểu đồ ACF
Nếu một mô hình GARCH hoạt động tốt, phần dư đã chuẩn hóa sẽ không có tự tương quan. Trong bài tập này, bạn sẽ luyện cách dùng biểu đồ ACF để phát hiện tự tương quan trong dữ liệu.
Hệ số tương quan giữa hai giá trị trong một chuỗi thời gian được gọi là hàm tự tương quan (ACF), và biểu đồ ACF là cách trực quan hóa tương quan giữa các độ trễ khác nhau. Trong Python, gói statsmodels có các hàm dựng sẵn giúp bạn tạo biểu đồ ACF một cách dễ dàng.
Một mô hình GARCH đã được ước lượng với dữ liệu lợi suất S&P 500, và phần dư đã chuẩn hóa của nó đã được tính và lưu trong std_resid. Thư viện matplotlib.pyplot đã được import là plt.
Bài tập này là một phần của khóa học
Mô hình GARCH với Python
Hướng dẫn bài tập
- Import mô-đun cần thiết để vẽ biểu đồ ACF từ gói
statsmodels. - Vẽ phần dư đã chuẩn hóa của mô hình GARCH được lưu trong
std_resid. - Tạo biểu đồ ACF cho phần dư đã chuẩn hóa và đặt mức tin cậy thành 0.05.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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()