較平滑時間序列的自我回歸
現在，讓我們用較平滑的訊號重新跑一次相同流程。你會像之前一樣使用「百分比變化」（percent change）演算法，但這次把視窗加大（40，而不是 20）。當視窗變大，相鄰時間點之間的差異會變小，訊號就會更「平滑」。你覺得這會對自我回歸模型造成什麼影響呢？
prices_perc_shifted 與 model（已更新為使用 40 的視窗）已經在你的工作區中。
本練習屬於課程
Python 的時間序列資料機器學習
練習說明
使用你在上一個練習建立的函式（visualize_coefficients()），以 model 的係數和 prices_perc_shifted 的欄名產生一張圖表。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Visualize the output data up to "2011-01"
fig, axs = plt.subplots(2, 1, figsize=(10, 5))
y.loc[:'2011-01'].plot(ax=axs[0])
# Run the function to visualize model's coefficients
visualize_coefficients(____, ____, ax=axs[1])
plt.show()