動動腦：計算 ACF

在上一章中，你已經計算過 1 期落後（lag）的自相關。實務上，我們常常想同時觀察多個落後期的自相關。這裡已繪出 H&R Block（股票代號 HRB）的季度盈餘，你可以看到其盈餘高度循環。大部分盈餘都集中在申報稅款的那一季。

你將為已預先載入到 DataFrame HRB 的 H&R Block 季度盈餘，計算其自相關陣列。接著，使用 plot_acf 模組繪製自相關函數。這張圖會顯示循環性盈餘資料的自相關函數長什麼樣子。當然，lag=0 的 ACF 永遠是 1。下一個練習會介紹 ACF 的信賴區間；現在請先將 alpha=1，以隱藏信賴區間。

本練習屬於課程

Python 中的時間序列分析

檢視課程

練習說明

從 statsmodels 匯入 acf 與 plot_acf 模組。
計算 DataFrame HRB 中季度盈餘資料的自相關陣列。
繪製 HRB 季度盈餘資料的自相關函數，並傳入參數 alpha=1 以隱藏信賴區間。

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 acf module and the plot_acf module from statsmodels
from statsmodels.tsa.stattools import acf
from statsmodels.graphics.tsaplots import plot_acf

# Compute the acf array of HRB
acf_array = acf(___)
print(acf_array)

# Plot the acf function
plot_acf(___)
plt.show()

編輯並執行程式碼