Không thể dự báo White Noise
Một chuỗi thời gian white noise chỉ đơn giản là một dãy các biến ngẫu nhiên không tương quan và có cùng phân phối. Suất sinh lợi cổ phiếu thường được mô hình hóa như white noise. Đáng tiếc là với white noise, bạn không thể dự báo các quan sát tương lai dựa trên quá khứ — tự tương quan ở mọi độ trễ đều bằng 0.
Bạn sẽ tạo một chuỗi white noise và vẽ hàm tự tương quan để cho thấy nó bằng 0 ở mọi độ trễ. Bạn có thể dùng np.random.normal() để sinh các suất sinh lợi ngẫu nhiên. Với một quá trình white noise Gauss, trung bình và độ lệch chuẩn mô tả toàn bộ quá trình.
Hãy vẽ chuỗi white noise này để xem hình dạng của nó, sau đó vẽ hàm tự tương quan.
Bài tập này là một phần của khóa học
Phân tích chuỗi thời gian với Python
Hướng dẫn bài tập
- Sinh 1000 suất sinh lợi phân phối chuẩn bằng
np.random.normal()với trung bình 2% (0.02) và độ lệch chuẩn 5% (0.05), trong đó tham số trung bình làlocvà tham số độ lệch chuẩn làscale. - Kiểm tra trung bình và độ lệch chuẩn của suất sinh lợi bằng
np.mean()vànp.std(). - Vẽ chuỗi thời gian.
- Vẽ hàm tự tương quan bằng
plot_acfvớilags=20.
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
# 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()