So sánh mô hình AR với Random Walk
Đôi khi rất khó phân biệt giữa một chuỗi thời gian có xu hướng hồi quy về trung bình nhẹ và một chuỗi không hồi quy về trung bình như random walk. Bạn sẽ so sánh ACF của chuỗi lãi suất hơi có tính hồi quy về trung bình ở bài trước với một random walk mô phỏng có cùng số lượng quan sát.
Khi vẽ đồ thị tự tương quan của hai chuỗi này cạnh nhau, bạn sẽ nhận thấy chúng trông rất giống nhau.
Bài tập này là một phần của khóa học
Phân tích chuỗi thời gian với Python
Hướng dẫn bài tập
- Import hàm
plot_acftừ modulestatsmodels - Tạo hai trục (axes) cho hai biểu đồ con (subplots)
- Vẽ hàm tự tương quan với 12 độ trễ cho chuỗi lãi suất
interest_rate_dataở biểu đồ phía trên - Vẽ hàm tự tương quan với 12 độ trễ cho chuỗi
simulated_dataở biểu đồ phía dưới
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Import the plot_acf module from statsmodels
from statsmodels.graphics.tsaplots import plot_acf
# Plot the interest rate series and the simulated random walk series side-by-side
fig, axes = plt.subplots(2,1)
# Plot the autocorrelation of the interest rate series in the top plot
fig = plot_acf(___, alpha=1, lags=12, ax=axes[0])
# Plot the autocorrelation of the simulated random walk series in the bottom plot
fig = plot_acf(___, alpha=1, lags=12, ax=axes[1])
# Label axes
axes[0].set_title("Interest Rate Data")
axes[1].set_title("Simulated Random Walk Data")
plt.show()