比較 AR 模型與隨機漫步
有時候很難分辨一個時間序列是輕微均值回復，還是完全不回復（例如隨機漫步）。你將把上一個練習中那個「略為均值回復」的利率序列的 ACF，和一個以相同觀測數量所模擬的隨機漫步做比較。
當你把這兩個序列的自相關並排繪製時，應該會注意到它們看起來非常相似。
本練習屬於課程
Python 中的時間序列分析
練習說明
- 從
statsmodels模組匯入plot_acf函式 - 建立兩個座標軸以用於兩個子圖
- 在上方子圖繪製利率序列
interest_rate_data的 12 期落後自相關函數 - 在下方子圖繪製序列
simulated_data的 12 期落後自相關函數
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。
# 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()